Supervised Learning은 모델이 예측 또는 분류를 만들기 위해 라벨링 된 데이터에 훈련되는 기계 학습 기술입니다. 그것은 이미지 인식 및 데이터 분류 작업에서 다양한 실제 응용 분야에서 널리 사용됩니다. 이 문서는이 분야에서 감독 된 학습의 일반적인 예를 탐구합니다.

Image Recognition 응용 프로그램

Supervised Learning 알고리즘은 이미지 인식 시스템에서 광범위하게 사용됩니다. 이 시스템은 객체, 얼굴, 또는 장면을 식별하는 라벨 이미지의 큰 데이터 세트에 훈련됩니다. 예로는 보안 시스템 및 자율 차량에 대한 객체 감지에 대한 얼굴 인식이 포함됩니다.

얼굴 인식에서 모델은 라벨 이미지에 기반한 개인 식별을 배우는 것을 배우는 것입니다. 마찬가지로 자율 주행, 감독 모델은 보행자, 교통 표지 및 기타 차량을 안전하게 탐색합니다.

Data Classification 사업

Supervised Learning은 다양한 산업 분야에서 고급 데이터를 사용합니다. 예를 들어 스팸 필터는 스팸으로 이메일을 분류하거나 라벨을 붙인 예를 기반으로 스팸을 차단하지 않습니다. 신용 득점 모델은 과거 데이터를 사용하여 대출 지원자의 위험을 예측합니다.

이 모델은 이메일 내용이나 신청자 금융 내역과 같은 기능을 분석하여 정확한 예측을 돕고, 기업 자동화 의사 결정 프로세스를 돕습니다.

일반적인 알고리즘

  • 지원 벡터 기계 (SVM)
  • 디테일 트리
  • Neural 네트워크
  • 무작위 숲