Inhalt

• Vergleichstabelle
• Definition des betreuten Lernens
• Definition von unbeaufsichtigtem Lernen
• Fazit

Überwachtes und unüberwachtes Lernen sind die Paradigmen des maschinellen Lernens, die zur Lösung der Aufgabenklasse durch Lernen aus der Erfahrung und dem Leistungsmaß verwendet werden. Das überwachte und das unbeaufsichtigte Lernen unterscheiden sich hauptsächlich dadurch, dass das überwachte Lernen die Abbildung von der Eingabe auf die wesentliche Ausgabe umfasst. Im Gegenteil, unbeaufsichtigtes Lernen zielt nicht darauf ab, eine Ausgabe in der Antwort auf die bestimmte Eingabe zu erzeugen, sondern entdeckt Muster in Daten.

Diese überwachten und unbeaufsichtigten Lerntechniken werden in verschiedenen Anwendungen implementiert, beispielsweise in künstlichen neuronalen Netzen, bei denen es sich um Datenverarbeitungssysteme handelt, die eine große Anzahl von weitgehend miteinander verbundenen Verarbeitungselementen enthalten.

1. 1. Vergleichstabelle
   2. Definition
   3. Hauptunterschiede
   4. Fazit

Vergleichstabelle

Vergleichsbasis	Überwachtes Lernen	Unbeaufsichtigtes Lernen
Basic	Beschäftigt sich mit beschrifteten Daten.	Verarbeitet nicht beschriftete Daten.
Rechenkomplexität	Hoch	Niedrig
Analyse	Offline	Echtzeit
Richtigkeit	Erzeugt genaue Ergebnisse	Erzeugt moderate Ergebnisse
Subdomains	Klassifikation und Regression	Clustering und Association Rule Mining

Definition des betreuten Lernens

Überwachtes Lernen Bei diesem Verfahren wird das System oder die Maschine trainiert, wobei die Trainingssätze zusammen mit dem Zielmuster (Ausgabemuster) dem System zur Ausführung einer Aufgabe bereitgestellt werden. Üblicherweise bedeutet beaufsichtigen, die Ausführung der Aufgaben, des Projekts und der Aktivität zu beobachten und zu leiten. Aber wo kann betreutes Lernen durchgeführt werden? In erster Linie wird es in den maschinellen Regressions- und Cluster- und Neuronalen Netzen implementiert.

Wie trainieren wir nun ein Modell? Das Modell wird mithilfe des Ladens des Modells mit dem Wissen geführt, um die Vorhersage zukünftiger Instanzen zu erleichtern. Es werden beschriftete Datensätze für das Training verwendet. Die künstlichen neuronalen Netze trainieren das Eingangsmuster des Netzes, das auch dem Ausgangsmuster zugeordnet ist.

Definition von unbeaufsichtigtem Lernen

Unbeaufsichtigtes Lernen Das Modell beinhaltet nicht die Zielausgabe, was bedeutet, dass dem System kein Training bereitgestellt wird. Das System muss selbständig lernen, indem es die Strukturmerkmale in den Eingabemustern ermittelt und anpasst. Es werden maschinelle Lernalgorithmen verwendet, die Rückschlüsse auf nicht beschriftete Daten ziehen.

Das unbeaufsichtigte Lernen arbeitet mit komplizierteren Algorithmen als das beaufsichtigte Lernen, da wir seltene oder keine Informationen über die Daten haben. Dies schafft eine weniger verwaltbare Umgebung, da die Maschine oder Anlage Ergebnisse für uns erzielen soll. Das Hauptziel des unbeaufsichtigten Lernens besteht darin, Entitäten wie Gruppen, Cluster, Dimensionsreduktion zu suchen und Dichteschätzungen durchzuführen.

1. Die überwachte Lerntechnik befasst sich mit den gekennzeichneten Daten, wobei die Ausgabedatenmuster dem System bekannt sind. Im Gegensatz dazu funktioniert das unbeaufsichtigte Lernen mit unbeschrifteten Daten, bei denen die Ausgabe nur auf der Sammlung von Wahrnehmungen basiert.
2. In Bezug auf die Komplexität ist die überwachte Lernmethode weniger komplex, während die unüberwachte Lernmethode komplizierter ist.
3. Das überwachte Lernen kann auch eine Offline-Analyse durchführen, während das unbeaufsichtigte Lernen eine Echtzeitanalyse verwendet.
4. Das Ergebnis der überwachten Lerntechnik ist genauer und zuverlässiger. Im Gegensatz dazu führt unbeaufsichtigtes Lernen zu moderaten, aber zuverlässigen Ergebnissen.
5. Klassifikation und Regression sind die Arten von Problemen, die mit der überwachten Lernmethode gelöst werden. Umgekehrt umfasst unbeaufsichtigtes Lernen Clustering- und assoziative Rule-Mining-Probleme.

Fazit

Überwachtes Lernen ist die Technik zur Erfüllung einer Aufgabe durch Bereitstellung von Trainings-, Eingabe- und Ausgabemustern für die Systeme, wohingegen unbeaufsichtigtes Lernen eine selbstlernende Technik ist, bei der das System die Merkmale der Eingabepopulation anhand eigener und keiner vorherigen Gruppe von Kategorien ermitteln muss werden verwendet.