Uczenie nadzorowane

Z Wikipedii, wolnej encyklopedii
Przejdź do nawigacji Przejdź do wyszukiwania

Uczenie nadzorowaneuczenie maszynowe, które zakłada obecność ludzkiego nadzoru nad tworzeniem funkcji odwzorowującej wejście systemu na jego wyjście.

Wektor (z łac. [now.], „niosący; ten, który niesie; nośnik”, od vehere, „nieść”; via, „droga”) – istotny w matematyce elementarnej, inżynierii i fizyce obiekt mający moduł (zwany też – zdaniem niektórych niepoprawnie - długością lub wartością), kierunek wraz ze zwrotem (określającym orientację wzdłuż danego kierunku).Funkcja (łac. functio, -onis, „odbywanie, wykonywanie, czynność”) – dla danych dwóch zbiorów X i Y przyporządkowanie każdemu elementowi zbioru X dokładnie jednego elementu zbioru Y. Oznacza się ją na ogół f, g, h itd.

Nadzór polega na stworzeniu zestawu danych uczących, czyli par:

  1. wejściowy obiekt uczący (np. wektor);
  2. pożądana przez nadzorcę (nauczyciela) odpowiedź (np. jakaś konkretna wartość liczbowa).

Zadaniem systemu jest nauczenie się przewidywania prawidłowej odpowiedzi na zadane pobudzenie oraz generalizacja przypadków wyuczonych na przypadki, z którymi system jeszcze się nie zetknął. Do modelowania procesów technicznych zwykle wykorzystuje się uczenie nadzorowane.

Algorytm – w matematyce skończony ciąg jasno zdefiniowanych czynności, koniecznych do wykonania pewnego rodzaju zadań. Słowo "algorytm" pochodzi od starego angielskiego słowa algorism, oznaczającego wykonywanie działań przy pomocy liczb arabskich (w odróżnieniu od abacism – przy pomocy abakusa), które z kolei wzięło się od nazwiska, które nosił Muhammad ibn Musa al-Chuwarizmi (أبو عبد الله محمد بن موسى الخوارزمي), matematyk perski z IX wieku.Kontrola autorytatywna – w terminologii bibliotekoznawczej określenie procedur zapewniających utrzymanie w sposób konsekwentny haseł (nazw, ujednoliconych tytułów, tytułów serii i haseł przedmiotowych) w katalogach bibliotecznych przez zastosowanie wykazu autorytatywnego zwanego kartoteką wzorcową.

Zobacz też[ | edytuj kod]

  • uczenie nienadzorowane
  • uczenie przez wzmacnianie
  • Przypisy[ | edytuj kod]

    1. Krzysztof Sawka, Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow, wyd. Wydanie II, aktualizacja do modułu TensorFlow 2, Gliwice: Helion, 2020, ISBN 978-83-283-6002-0, OCLC 1183366759 [dostęp 2020-11-05].
    2. Vahid Mirjalili, Krzysztof Sawka, Python : uczenie maszynowe, Gliwice: Wydawnictwo Helion, 2019, ISBN 978-83-283-5121-9, OCLC 1100244698 [dostęp 2020-11-07].
    Uczenie nienadzorowane – uczenie maszynowe, które zakłada brak obecności ludzkiego nadzoru nad tworzeniem funkcji odwzorowującej wejście systemu na jego wyjście.




    Reklama