Mashinani o'rganish usullari Nazorat ostida o'rganish
Agar siz mashinaga nimani o'rgatmoqchi ekanligingizni bilsangiz, bu usul maqbuldir. Siz kompyuterni katta o'quv ma'lumotlar to'plamiga ta'sir qilishingiz va siz kutgan natijalarga erishguningizcha parametrlarni o'zgartirishingiz mumkin. Keyin kompyuter hali duch kelmagan sinov ma'lumotlari natijalarini bashorat qilish orqali mashina o'rgangan narsalarni aniqlashtirishingiz mumkin.
Ko'pincha nazorat ostida o'rganish tasniflash va bashorat qilish muammolari uchun ishlatiladi. Nazorat ostidagi o'rganish o'tmishdagi moliyaviy faoliyat to'g'risidagi mavjud ma'lumotlarga asoslanib, jismoniy shaxslar va tashkilotlarning moliyaviy xavfini aniqlash uchun ishlatilishi mumkin, u avvalgi modellarni hisobga olgan holda sotib olish xatti-harakatlarining yaxshi prognozchisi bo'lishi mumkin.
Nazoratsiz o'rganish
Nazoratsiz o'rganishda mashina ma'lumotlar to'plamini o'rganadi va turli o'zgaruvchilar o'rtasidagi yashirin korrelyatsiya naqshlarini ochadi. Ushbu usul ma'lumotlarni faqat statistik xususiyatlariga qarab klasterlarga guruhlash uchun ishlatilishi mumkin.
Nazoratsiz o'rganishning yaxshi qo'llanilishi bu yozuvlarni ehtimollik bilan birlashtirish uchun ishlatiladigan klasterlash algoritmidir. Ma'lumotlar elementlari o'rtasidagi aloqalar aniqlanadi va bu munosabatlar asosida jismoniy yoki virtual dunyodagi odamlar va tashkilotlar o'rtasidagi munosabatlar aniqlanadi.
Variant, ayniqsa, mijozlarning umumiy rasmini yaratish uchun, masalan, turli xil manbalardan yoki turli biznes bo'linmalaridan ma'lumotlarni birlashtirishga muhtoj bo'lgan kompaniyalar uchun foydalidir.
Nazoratsiz o'rganish, shuningdek, odamlarning ijtimoiy tarmoqlardagi postlari, elektron pochtalari va boshqa yozuvlari asosida hissiy holatini aniqlash uchun hissiyotlarni tahlil qilish uchun ishlatilishi mumkin. Bugungi kunda, xususan, moliyaviy xizmatlar ko'rsatadigan kompaniyalarda nazoratsiz o'qitish mijozlarning qoniqishini o'lchash uchun tobora ko'proq foydalanilmoqda.
Yarim nazorat ostida o'qitish
Bu nazorat ostidagi va nazoratsiz o'rganishning gibrididir. Ma'lumotlarning kichik qismini etiketlash orqali o'qituvchi mashinaga qolgan qismini qanday qilib klasterlash kerakligini aytadi.
Usul firibgarlikni aniqlash uchun ishlatilishi mumkin. Oddiy faoliyat fonida firibgarlikni anomaliya deb tasniflash mumkin. Qisman boshqariladigan mashinani o'rganish usullari sizga bunday anomaliyalarni tan oladigan modellarni yaratishga imkon beradi. Onlayn tranzaktsiyalarda firibgarlik urinishlarini aniqlash uchun ko'pincha tegishli tizimlar qo'llaniladi.
Qisman o'qituvchi yordami bilan o'qitish, shuningdek, yirik korxonalar uchun xos bo'lgan qisman etiketlangan ma'lumotlarning tayyor to'plamlari mavjud bo'lgan hollarda ham qo'llanilishi mumkin. Masalan, Amazon o'zining raqamli yordamchisi Alexaning tabiiy tilni tushunish qobiliyatini yorliqli va yorliqsiz ma'lumotlar kombinatsiyasi bo'yicha sun'iy intellekt algoritmlarini o'rgatish orqali yaxshiladi. Bu Alexa javoblarining aniqligini oshirdi.
O'rganishni mustahkamlash
Mustahkamlash o‘qitishda mashinaga o‘z muhiti bilan munosabatda bo‘lishga ruxsat beriladi (masalan, konveyerdan nosoz mahsulotlarni savatga tushirish) va topshiriqni to‘g‘ri bajarsa, “mukofotlanadi”. Mukofotlarni hisoblashni avtomatlashtirish orqali siz mashinani mustaqil ravishda o'rganishni yoqishingiz mumkin.Mustahkamlashni o'rganishning bir qo'llanilishi chakana savdo do'konlarida mahsulotlarni saralashdir. Ba'zi chakana sotuvchilar kiyim-kechak, poyabzal va aksessuarlarni robotli saralash tizimlari bilan tajriba o'tkazmoqda. Robotlar mustahkamlovchi o‘rganish va chuqur o‘rganishdan foydalanib, ob’ektni ushlashda qanchalik qiyin bo‘lishini va qaysi tutqich eng yaxshi bo‘lishini aniqlaydi. Ushbu usulning o'zgarishi, chuqur mustahkamlashni o'rganish, avtonom qarorlar qabul qilish uchun juda mos keladi.
