🏷️Supervised learning vs Unsupervised learning🔍
Il machine learning ha due stili fondamentali. La differenza chiave e' se i dati di addestramento arrivano con le risposte corrette allegate.
Lancia un sondaggio moomz: chi vince?
moomz.com — 10s, anonimo, gratis
🏷️Supervised learning
- ✓Si addestra su dati che includono etichette o risposte note
- ✓Impara a prevedere gli output dagli input
- ✓Usato per compiti di classificazione e regressione
- ✓L'accuratezza puo' essere misurata rispetto alle vere etichette
- ✓Richiede costosi dati di addestramento etichettati da umani
🔍Unsupervised learning
- ✓Si addestra su dati senza alcuna etichetta
- ✓Scopre struttura e schemi nascosti
- ✓Usato per il clustering e la riduzione della dimensionalita
- ✓Piu' difficile da valutare senza una verita di riferimento
- ✓Funziona con abbondanti dati grezzi e non etichettati
Verdetto
Usa l'apprendimento supervisionato quando hai esempi etichettati e un obiettivo chiaro da prevedere. Usa l'apprendimento non supervisionato per esplorare dati non etichettati e scoprire raggruppamenti che non hai definito in anticipo.
Domande frequenti
Quale ha bisogno di dati etichettati?+
L'apprendimento supervisionato. Richiede coppie input-output in cui la risposta corretta e' gia nota.
Qual e' un tipico compito non supervisionato?+
Il clustering: raggruppare punti di dati simili senza categorie predefinite.
Uno e' migliore dell'altro?+
Nessuno dei due. La scelta giusta dipende dal fatto che i tuoi dati siano etichettati e dal problema che devi risolvere.
Anche in