Uczenie nadzorowane

Uczenie nadzorowane – uczenie maszynowe, które zakłada obecność ludzkiego nadzoru nad tworzeniem funkcji odwzorowującej wejście systemu na jego wyjście[1][2].

Nadzór polega na stworzeniu zestawu danych uczących, czyli par:

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

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[1].

Zobacz też

  • uczenie nienadzorowane
  • uczenie przez wzmacnianie

Przypisy

  1. ↑ a b KrzysztofK. Sawka KrzysztofK., Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow, wyd. II, aktualizacja do modułu TensorFlow 2, Gliwice: Helion, 2020, ISBN 978-83-283-6002-0, OCLC 1183366759 [dostęp 2020-11-05] .
  2. ↑ a b c VahidV. Mirjalili VahidV., KrzysztofK. Sawka KrzysztofK., Python : uczenie maszynowe, Gliwice: Wydawnictwo Helion, 2019, ISBN 978-83-283-5121-9, OCLC 1100244698 [dostęp 2020-11-07] .
Kontrola autorytatywna (algorytm):
  • LCCN: sh94008290
  • J9U: 987007561023305171