یادگیری ماشین با نظارت

در یادگیری نظارت‌شده، دانشمندان داده الگوریتم را به کمک داده‌های برچسب‌دار و متغیرهایی که می‌خواهند الگوریتم ارتباط آن‌ها را ارزیابی کند، آموزش می‌دهند. هنگامی که مدل با مجموعه‌ای از داده‌های شناخته‌شده (برچسب‌دار) آموزش دید، داده‌های ناشناخته (بدون برچسب) برای دریافت پاسخ جدید به مدل ارائه می‌شوند.

یادگیری ماشین نظارت‌شده مستلزم این است که دانشمندان داده، الگوریتم را با هر دو ورودی برچسب‌دار و خروجی‌های مورد‌نظر آموزش دهند.

الگوریتم‌های یادگیری نظارت‌شده برای کارهای زیر مناسب هستند:

طبقه‌بندی دودویی: تقسیم داده‌ها به دو دسته

طبقه‌بندی چند‌کلاسه: انتخاب بین بیش از دو دسته

مدل‌سازی رگرسیون: پیش‌بینی مقادیر پیوسته

کلاسه‌بندی جمعی: ترکیب پیش‌بینی‌های چند مدل یادگیری ماشین برای تولید یک پیش‌بینی دقیق

برای اطلاعات دقیق تر درمورد  یادگیری ماشین نظارت شده مطلب یادگیری ماشین بانظارت وبسایت بیگ پرو1 را مطالعه بفرمایید.