למידה מפוקחת ולא מפוקחת הן שתי הטכניקות של למידת מכונה. אבל שתי הטכניקות משמשות בתרחישים שונים ועם מערכי נתונים שונים. להלן ההסבר על שתי שיטות הלמידה יחד עם טבלת ההבדלים שלהן.
למידת מכונה מפוקחת:
למידה מפוקחת היא שיטת למידת מכונה שבה מודלים מאומנים באמצעות נתונים מסומנים. בלמידה מפוקחת, מודלים צריכים למצוא את פונקציית המיפוי כדי למפות את משתנה הקלט (X) עם משתנה הפלט (Y).
למידה מפוקחת זקוקה לפיקוח כדי להכשיר את המודל, דבר הדומה לזה שתלמיד לומד דברים בנוכחות מורה. למידה מפוקחת יכולה לשמש לשני סוגים של בעיות: מִיוּן ו נְסִיגָה .
למד עוד למידת מכונה מפוקחת
דוגמא: נניח שיש לנו תמונה של סוגי פירות שונים. המשימה של מודל הלמידה המפוקחת שלנו היא לזהות את הפירות ולסווג אותם בהתאם. אז כדי לזהות את התמונה בלמידה מפוקחת, ניתן את נתוני הקלט וגם פלט עבור זה, מה שאומר שנאמן את הדגם לפי הצורה, הגודל, הצבע והטעם של כל פרי. לאחר השלמת ההכשרה, נבדוק את הדגם על ידי מתן ערכת הפירות החדשה. המודל יזהה את הפרי ויחזה את הפלט באמצעות אלגוריתם מתאים.
למידת מכונה ללא פיקוח:
למידה ללא פיקוח היא שיטה נוספת של למידת מכונה שבה דפוסים מוסקים מנתוני הקלט הלא מסומנים. המטרה של למידה ללא פיקוח היא למצוא את המבנה והתבניות מנתוני הקלט. למידה ללא השגחה אינה זקוקה לשום השגחה. במקום זאת, הוא מוצא דפוסים מהנתונים בפני עצמו.
למד עוד למידת מכונה ללא פיקוח
למידה ללא פיקוח יכולה לשמש לשני סוגים של בעיות: מקבץ ו אִרגוּן .
דוגמא: כדי להבין את הלמידה הבלתי מפוקחת, נשתמש בדוגמה שניתנה לעיל. אז בניגוד ללמידה מפוקחת, כאן לא נספק שום פיקוח על המודל. אנו רק נספק את מערך הנתונים של הקלט למודל ונאפשר למודל למצוא את הדפוסים מהנתונים. בעזרת אלגוריתם מתאים, המודל יאמן את עצמו ויחלק את הפירות לקבוצות שונות לפי המאפיינים הדומים ביותר ביניהם.
להלן ההבדלים העיקריים בין למידה מפוקחת ובלתי מפוקחת:
| למידה מפוקחת | למידה ללא פיקוח |
|---|---|
| אלגוריתמי למידה מפוקחים מאומנים באמצעות נתונים מסומנים. | אלגוריתמי למידה ללא פיקוח מאומנים באמצעות נתונים לא מסומנים. |
| מודל למידה מפוקח לוקח משוב ישיר כדי לבדוק אם הוא מנבא פלט נכון או לא. | מודל למידה ללא פיקוח אינו מקבל כל משוב. |
| מודל למידה מפוקח מנבא את התפוקה. | מודל למידה ללא פיקוח מוצא את הדפוסים הנסתרים בנתונים. |
| בלמידה מפוקחת, נתוני קלט מסופקים למודל יחד עם הפלט. | בלמידה ללא פיקוח, רק נתוני קלט מסופקים למודל. |
| המטרה של למידה מפוקחת היא להכשיר את המודל כך שיוכל לחזות את התפוקה כאשר הוא מקבל נתונים חדשים. | המטרה של למידה ללא פיקוח היא למצוא את הדפוסים הנסתרים ואת התובנות השימושיות ממערך הנתונים הלא ידוע. |
| למידה מפוקחת זקוקה לפיקוח כדי להכשיר את המודל. | למידה ללא השגחה אינה זקוקה לפיקוח כלשהו כדי להכשיר את המודל. |
| ניתן לסווג למידה מפוקחת ב מִיוּן ו נְסִיגָה בעיות. | ניתן לסווג למידה ללא פיקוח ב מקבץ ו עמותות בעיות. |
| ניתן להשתמש בלמידה מפוקחת עבור אותם מקרים שבהם אנו יודעים את הקלט כמו גם את התפוקות התואמות. | ניתן להשתמש בלמידה ללא פיקוח עבור אותם מקרים שבהם יש לנו רק נתוני קלט ואין נתוני פלט תואמים. |
| מודל למידה מפוקח מייצר תוצאה מדויקת. | מודל למידה ללא פיקוח עשוי לתת תוצאה פחות מדויקת בהשוואה ללמידה בפיקוח. |
| למידה מפוקחת אינה קרובה לבינה מלאכותית אמיתית שכן בכך אנו מאמנים תחילה את המודל עבור כל נתון, ואז רק הוא יכול לחזות את הפלט הנכון. | למידה ללא פיקוח קרובה יותר לבינה המלאכותית האמיתית שכן היא לומדת באופן דומה כשילד לומד דברים בשגרה יומיומית על ידי חוויותיו. |
| הוא כולל אלגוריתמים שונים כמו רגרסיה ליניארית, רגרסיה לוגיסטית, מכונת תמיכה וקטורית, סיווג רב-מעמדי, עץ החלטות, לוגיקה בייסיאנית וכו'. | הוא כולל אלגוריתמים שונים כגון Clustering, KNN, ואלגוריתם Apriori. |