पर्यवेक्षी शिक्षण
माहितीवरून दिलेल्या उत्तराचा संदर्भ जोडण्याची यंत्र शिक्षणाची पद्धत | |||
माध्यमे अपभारण करा | |||
विकिपीडिया | |||
प्रकार | अल्गोरिदम, विशेषता, field of study | ||
---|---|---|---|
उपवर्ग | machine learning method | ||
ह्याचा भाग | यंत्र शिक्षण | ||
| |||
पर्यवेक्षी शिक्षण हा यंत्र शिक्षणाचा एक प्रकार आहे ज्यामध्ये उपलब्ध असलेल्या विदामधील नमून्यांतील माहिती व त्याच्यायोग्य अपेक्षीत असलेले उत्तर यांचा उपयूग करून यंत्राचे (संगणकातील सॉफ्टवेर घटकाचे) शिक्षण करणारी प्रणाली विकसित केली जाते, जेणेकरून सारख्याच प्रकारची नवीन माहिती पुरवल्यानंतर ते यंत्र अपेक्षीत उत्तर देऊ शकेल.[१] या प्रक्रियेत यंत्राचे शिक्षण करण्यासाठी जो प्रशिक्षण विदा पुरवला जातो त्यामधील प्रत्येक नमुन्यात माहिती-उत्तर अशा जोड्या असतात, व विकसित केलेली प्रशिक्षण प्रकरीया पुरवलेल्या माहिती वरून अपेक्षित उत्तरचे संदर्भ जोडण्या क्रीया संपूर्ण प्रकरीयेमध्ये करत राहते. सर्वोत्तम परिस्थितीत विकसित केलेले यंत्र त्याच क्षेत्रातील नवीन माहितीच्या पुरवलेल्या नमून्यांवरून प्रशिक्षण विदावरील कौशल्याच्या तोलाचे उत्तरे देऊ शकते.[२]
प्रकार
जर आपण महितीतील सर्व घटकांना एकत्रित ‘X’ या चल सदीशाने संबोधले, व नमुन्याच्या उत्तरला ‘Y’ या चल संख्यांना संबोधले, तर आपला कार्यभाग हा पुरवलेल्या माहितीवरून विदा उत्खनन करून Y = f(X) या दोन चल घटकांना एकमेकांशी जोडणाऱ्या संदर्भाला शोधून काढण्याचा राहतो.[३]
अपेक्षित उत्तर ज्या प्रकारचे आहे, त्या वरून पर्यवेक्षी शिक्षणाचे दोन मुख्य प्रकार ओळखले जातात:
वर्गीकरण (क्लासिफिकेशन)
काही प्रकारच्या उपयोजनांमध्ये ‘Y’ ही चल संख्या केवळ काही विशिष्ट पूर्णांक संख्या घेते, (उदा.: ०, १, २) म्हणजे यंत्राला प्रशिक्षणानंतर कुठल्याही नमुन्यावरून (X) त्याचा या विशिष्ट संख्यांपैकी एका संख्येशी संदर्भ लावायचा असतो, किंवा दुसऱ्या शब्दात त्या नमुन्याचे आधीच ठरलेल्या काही विशीष्ट विभांगांपैकी एका विभागामध्ये (प्रत्येक पूर्णांक संख्या एकेका विभागाला दर्शवते असे समजावे.) विभाजन करायचे असते.[४]
हस्तलिखित संख्या ओळख ही या प्रकाराची एक प्रसिद्ध उपयोजिका आहे, ज्यामध्ये हस्तलिखित संख्येच्या चित्राच्या पिकसेलचे नमुने दिले जातात, व यंत्राला लिहीलेल्या संख्येची ओळख कराची असते, म्हणजेच ०, १, २, …., ९ यापैकी एका वर्गामध्ये विभाजन कारचे असते.[५][६]
समाश्रयण विश्लेषण (रिग्रेशन)
उत्तराची संख्या ‘Y’ ही केवळ काही विशिष्ट संख्याच न घेता जर कुठलीही वास्तविक संख्या घेत असेल, तर तो प्रश्न या प्रकारात मोडतो. यामध्ये प्रशिक्षण घेत असणाऱ्या यंत्राला विदगारामधील नमून्यांमध्ये व उत्तरमध्ये असलेला नेमका संदर्भ शोधून काढायचा असतो. अपेक्षित उत्तराच्या जास्तीत जास्त जवळ नेण्याचा प्रयत्न केला जातो.[७]
या प्रकारातील एक प्रसिद्ध प्रश्न म्हणजे दिलेल्या माहितीवरून (जसे कि खोल्यांची संख्या, घराचा आकार, घराचे महत्त्वाच्या ठिकाणांशी सानिध्य, इ.) घराच्या विक्रीची किंमत भाकीत करणे.[८]
पद्धत
पर्यवेक्षी शिक्षणाचा कुठलाही प्रश्न सोडवताना अशी पद्धत अवलंबली जाते:[९]
- प्रशिक्षण विदाचा प्रकार ओळखावा. उदा. जर हस्ताक्षर ओळख करायची असेल तर एकेका अक्षराची कारयचे आहे, एकेका शब्दाची करायची आहे, का एकेका ओळीची करायची आहे, याची ओळख करावी.
- प्रशिक्षण विदा जमवावा, ज्यामध्ये जमवत असलेला विदा हा खऱ्या उपयोजनेमध्ये सामोरे जावे लागणाऱ्या विदा सारखाच असेल, यावर भर द्यावा.
- गोळा केलेल्या महितीतील नमून्यांचे योग्य त्या चल सदिशामधील रूपांतर शोधून काढावे, जे यंत्राला पुरवले जाईल. यंत्राची अचूकता यावर बऱ्याच अंशी अवलंबून असते. शिवाय नमुन्यात गरजेपेक्षा जास्त माहिती असल्यास तिचे अल्प स्वरूपात रूपांतर करावे.
- महिती पासून उत्तराकडे संदर्भ जोडण्याच्या साधनाची रचना निवडावी, म्हणजेच पर्यवेक्षी शिक्षणासाठी उपलब्ध असलेल्या यंत्र शिक्षणाच्या मॉडेल्स पैकी योग्य ते मॉडेल निवडावे.
- उपलब्ध असलेल्या माहिती चा, म्हणजेच प्रशिक्षण विदाचा वापर करून पर्यवेक्षी शिक्षणाची प्रणाली विकसित करून मॉडेल वरती वापरावी. प्रशिक्षण देत असतांना यंत्राच्या अचूकतेचे मूल्यन करावे, व त्या अनुसार पुढे प्रशिक्षण देत राहावे.
- वरील प्रक्रिया योग्य त्या प्रकारे आटोपल्यानंतर न पाहिलेल्या डेटावरती यंत्राच्या अचूकतेचे मूल्यन करावे.
प्रसिद्ध मॉडेल
खालील मॉडेल पर्यवेक्षी शिक्षणासाठी मोठ्या प्रमाणात वापरात आहेत. [१०]
- सपोर्ट व्हेक्टर मशीन
- लिनियर रिग्रेशन
- लॉजिस्टीक रिग्रेशन
- नाईव्ह बेझ
- लिनियर डिसक्रिमिनंट अनॅलिसिस
- डिसिजन ट्रीझ
- नियरेस्ट नेबर क्लासिफिकेशन
- न्यूरल नेटवर्क
- सिमीलॅरिटी लर्निंग
संदर्भ
- ^ Russell, Stuart J. (Stuart Jonathan),. Artificial intelligence : a modern approach. Norvig, Peter,, Davis, Ernest, (Third edition ed.). Upper Saddle River, New Jersey. ISBN 0-13-604259-7. OCLC 359890490.CS1 maint: extra punctuation (link) CS1 maint: multiple names: authors list (link) CS1 maint: extra text (link)
- ^ Mohri, Mehryar. (2012). Foundations of machine learning. Rostamizadeh, Afshin., Talwalkar, Ameet. Cambridge, MA: MIT Press. ISBN 978-0-262-30566-2. OCLC 809846149.
- ^ Brownlee, Jason (2016-03-15). "Supervised and Unsupervised Machine Learning Algorithms". Machine Learning Mastery (इंग्रजी भाषेत). 2020-08-25 रोजी पाहिले.
- ^ Asiri, Sidath (2018-06-11). "Machine Learning Classifiers". Medium (इंग्रजी भाषेत). 2022-06-23 रोजी मूळ पान पासून संग्रहित. 2020-08-25 रोजी पाहिले.
- ^ "Handwriting Recognition - an overview | ScienceDirect Topics". www.sciencedirect.com. 2020-08-25 रोजी पाहिले.
- ^ "MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burges". yann.lecun.com. 2020-08-25 रोजी पाहिले.
- ^ "Regression Analysis Essentials For Machine Learning - Easy Guides - Wiki - STHDA". www.sthda.com (इंग्रजी भाषेत). 2020-08-25 रोजी पाहिले.
- ^ "Predicting House Price Using Regression Algorithm for Machine Learning". yalantis.com (इंग्रजी भाषेत). 2020-08-25 रोजी पाहिले.
- ^ Géron, Aurélien,. Hands-on machine learning with Scikit-Learn and TensorFlow : concepts, tools, and techniques to build intelligent systems (First edition ed.). Sebastopol, CA. ISBN 1-4919-6229-1. OCLC 953432302.CS1 maint: extra punctuation (link) CS1 maint: multiple names: authors list (link) CS1 maint: extra text (link)
- ^ "User guide: contents — scikit-learn 0.23.2 documentation". scikit-learn.org. 2020-08-25 रोजी पाहिले.