Učení s učitelem: Porovnání verzí
Smazaný obsah Přidaný obsah
+ |
m robot: přidáno {{Autoritní data}}; kosmetické úpravy |
||
Řádek 1:
'''Učení s učitelem''' (anglicky ''supervised learning'') je metoda [[strojové učení|strojového učení]] pro učení funkce z trénovacích dat.
[[Trénovací data]] sestávají ze dvojic vstupních objektů (typicky vektorů příznaků) a požadovaného výstupu.
Výstup funkce může být spojitá hodnota (při [[regresní analýza|regresi]]) anebo může předpovídat označení
třídy vstupního objektu (při [[klasifikace (umělá inteligence)|klasifikaci]]). Úloha algoritmu učení je
předpovídat výstupní hodnotu funkce pro každý platný vstupní objekt poté, co zpracuje trénovací příklady
(tj. dvojice vstup a požadovaný výstup). Aby to dokázal, musí algoritmus zobecnit prezentovaná data na nové
situace (vstupy) "smysluplným" způsobem (viz [[induktivní bias]]).
(Porovnejte s [[učení bez učitele|učením bez učitele]]).
Řádek 11:
== Přeučení ==
Přeučení (overfitting) je stav, kdy je systém příliš přizpůsoben množině trénovacích dat, ale nemá schopnost generalizace a selhává na testovací (validační) množině dat. To se může stát např. při malém rozsahu trénovací množiny nebo pokud je systém příliš komplexní (např. příliš mnoho skrytých neuronů v [[Neuronová síť|neuronové síti]]. Řešením je zvětšení trénovací množiny, snížení složitosti systému nebo různé techniky [[
== Vstupní data ==
Řádek 17:
== Postup ==
Pomocí trénovacích dat se naučí jeden nebo několik [[klasifikátor]]ů, případně podle chování na validačních datech se z nich vybere nebo [[kombinov8n9 klasifik8tor;|zkombinuje]] výsledný klasifikátor a
== Reference ==
{{Překlad|en|Supervised learning|299319638}}
{{Autoritní data}}
[[Kategorie:Strojové učení]]
|