یادگیری نظارت‌شده

یادگیری نظارت‌شده

نحوه کار: این الگوریتم شامل یک متغیر هدف/خروجی (یا متغیر وابسته) است که از روی یک مجموعه پیش‌بین‌ها (متغیرهای مستقل) پیش‌بینی می‌شوند. با استفاده از این مجموعه متغیرها، تابعی ایجاد می‌شود که ورودی‌ها را به خروجی‌های مطلوب نگاشت می‌کند. فرایند تمرین تا زمانی ادامه می‌یابد که مدل به سطح مطلوبی از دقت بر روی داده‌های تمرینی دست یابد. نمونه‌هایی از یادگیری نظارت‌شده شامل رگرسیون، درخت تصمیم، جنگل تصادفی، KNN، رگرسیون لجستیک و … است.

اگر مایلید درمورد یادگیری ماشین با نظارت بیشتر بدانید و یا پروژه یادگیری با نظارت خود را انجام دهید وارد لینک زیر شوید:

https://bigpro1.com/fa/supervised-machine-learning/