Denetimli öğrenmeyi tanımlama
Modeli eğitme işlemi denetimli veya denetimsiz olabilir. Buradaki hedefimiz, bu yaklaşımları karşılaştırmak ve ardından denetimli öğrenmeye odaklanarak öğrenme sürecine daha ayrıntılı bir bakış atmaktır. Bu tartışma boyunca, denetimli ve denetimsiz öğrenme arasındaki tek farkın nesnel işlevin nasıl çalıştığı olduğunu hatırlamaya değer.
Denetimsiz öğrenme nedir?
Denetimsiz öğrenmede, doğru yanıtı bilmeden bir sorunu çözmek için bir model eğitiyoruz. Aslında, denetimsiz öğrenme genellikle tek bir doğru yanıtın değil, daha iyi ve daha kötü çözümlerin olmadığı sorunlar için kullanılır.
Makine öğrenmesi modelimizin, çığ kurtarma köpeklerinin gerçekçi resimlerini çizmesini istediğimizi düşünün. Çizecek bir "doğru" çizim yok. Görüntü bir köpeğe benzediği sürece memnun oluruz. Ama üretilen görüntü bir kediyse, bu daha kötü bir çözümdür.
Eğitimin birkaç bileşen gerektirdiğini hatırlayın:
Denetimsiz öğrenmede nesnel işlev, kararlarını yalnızca modelin tahminine göre yapar. Bu, nesnel işlevin genellikle nispeten karmaşık olması gerektiği anlamına gelir. Örneğin, modelin çizmiş olduğu görüntülerin gerçekçi görünüp görünmediğini değerlendirmek için nesnel işlevin bir "köpek algılayıcısı" içermesi gerekebilir. Denetimsiz öğrenme için ihtiyacımız olan tek veri, modele sağladığımız özellikler hakkındadır.
Denetimli öğrenme nedir?
Denetimli öğrenmeyi örnek olarak düşünün. Denetimli öğrenmede, tahminlerini doğru yanıtla karşılaştırarak modelin performansını değerlendiririz. Basit nesnel işlevlere sahip olsak da her ikisi de gerekir:
- Modele giriş olarak sağlanan özellikler
- Modelin üretebilmesini istediğimiz doğru yanıtlar olan etiketler
Örneğin, belirli bir yılın 31 Ocak ayında sıcaklığın ne olacağını tahmin etme isteğimizi göz önünde bulundurun. Bu tahmin için iki bileşene sahip verilere ihtiyacımız olacak:
- Özellik: Tarih
- Etiket: Günlük sıcaklık (örneğin, geçmiş kayıtlardan)
Senaryoda, modele tarih özelliğini sağlarız. Model sıcaklığı tahmin eder ve bu sonucu veri kümesinin "doğru" sıcaklığıyla karşılaştırıyoruz. Nesnel işlev daha sonra modelin ne kadar iyi çalıştığını hesaplayabilir ve modelde ayarlamalar yapabilirsiniz.
Etiketler yalnızca öğrenme içindir
Modellerin nasıl eğitilirse eğitilirse eğitildiğinin yalnızca özellikleri işlediğini unutmayın. Denetimli öğrenme sırasında, etiketlere erişimi temel alan tek bileşen nesnel işlevdir. Eğitimden sonra modelimizi kullanmak için etiketlere ihtiyacımız yoktur.