የቁልፍ ልዩነት - ክትትል የሚደረግበት እና ክትትል የማይደረግበት የማሽን መማሪያ
ክትትል የሚደረግ ትምህርት እና ክትትል የሚደረግበት ትምህርት የማሽን መማር ሁለት ዋና ፅንሰ ሀሳቦች ናቸው። ክትትል የሚደረግበት ትምህርት የማሽን የመማር ተግባር ሲሆን በምሳሌ ግቤት-ውፅዓት ጥንዶች ላይ በመመስረት ለውጤት ግብዓት ካርታ ይሰጣል። ክትትል የማይደረግበት ትምህርት ከተሰየመ ውሂብ የተደበቀ መዋቅርን ለመግለጽ ተግባርን የመገመት የማሽን መማር ተግባር ነው። በክትትል እና ክትትል በማይደረግበት የማሽን ትምህርት መካከል ያለው ቁልፍ ልዩነት ክትትል የሚደረግበት ትምህርት የተሰየመውን ውሂብ ሲጠቀም ክትትል ያልተደረገበት ትምህርት ደግሞ ያልተሰየመ ውሂብ ይጠቀማል።
ማሽን መማር በኮምፒዩተር ሳይንስ የኮምፒዩተር ሲስተም በግልፅ ፕሮግራም ሳይደረግ ከመረጃ እንዲማር የሚያስችል መስክ ነው።መረጃውን ለመተንተን እና በውስጡ ያሉትን ንድፎች ለመተንበይ ያስችላል. ብዙ የማሽን መማሪያ አፕሊኬሽኖች አሉ። አንዳንዶቹ የፊት ለይቶ ማወቂያ፣ የእጅ ምልክት እና የንግግር እውቅና ናቸው። ከማሽን መማር ጋር የተያያዙ የተለያዩ ስልተ ቀመሮች አሉ። አንዳንዶቹ ወደ ኋላ መመለስ፣ ምደባ እና ስብስብ ናቸው። በማሽን መማር ላይ የተመሰረቱ አፕሊኬሽኖችን ለማዘጋጀት በጣም የተለመዱት የፕሮግራም ቋንቋዎች R እና Python ናቸው። እንደ Java፣ C++ እና Matlab ያሉ ሌሎች ቋንቋዎች እንዲሁ መጠቀም ይችላሉ።
ክትትል የሚደረግበት ትምህርት ምንድነው?
በማሽን መማር ላይ በተመሰረቱ ስርዓቶች ውስጥ፣ ሞዴሉ በአልጎሪዝም መሰረት ይሰራል። ክትትል በሚደረግበት ትምህርት, ሞዴሉ ቁጥጥር ይደረግበታል. በመጀመሪያ ሞዴሉን ማሰልጠን ያስፈልጋል. ባገኘው እውቀት, ለወደፊት ጉዳዮች መልስ ሊተነብይ ይችላል. ሞዴሉ የተሰየመ የውሂብ ስብስብ በመጠቀም የሰለጠኑ ናቸው። ከናሙና ውጪ የሆነ መረጃ ለስርዓቱ ሲሰጥ ውጤቱን ሊተነብይ ይችላል። የሚከተለው ከታዋቂው IRIS የውሂብ ስብስብ ትንሽ የወጣ ነው።
ከላይ ባለው ሠንጠረዥ መሰረት የሴፓል ርዝመት፣ የሰፓል ስፋት፣ የፓቴል ርዝመት፣ የፓቴል ስፋት እና ዝርያዎች ባህሪያት ይባላሉ። አምዶች ባህሪያት በመባል ይታወቃሉ. አንድ ረድፍ ለሁሉም ባህሪያት ውሂብ አለው። ስለዚህ, አንድ ረድፍ ምልከታ ይባላል. ውሂቡ በቁጥር ወይም በምድብ ሊሆን ይችላል። ሞዴሉ እንደ ግብአት ከሚዛመዱ ዝርያዎች ስም ጋር ምልከታዎችን ይሰጣል። አዲስ ምልከታ በሚሰጥበት ጊዜ ሞዴሉ የእሱ የሆኑትን የዝርያ አይነት መተንበይ አለበት።
በክትትል በሚደረግ ትምህርት ውስጥ ለምድብ እና ለማገገም ስልተ ቀመሮች አሉ። ምደባ የተሰየመውን ውሂብ የመመደብ ሂደት ነው። ሞዴሉ የውሂብ ምድቦችን የሚለያዩ ድንበሮችን ፈጥሯል. አዲስ መረጃ ለአምሳያው ሲቀርብ ነጥቡ ባለበት ቦታ ላይ በመመስረት ሊከፋፈል ይችላል።የ K-Nearest Neighbors (KNN) የምደባ ሞዴል ነው። በ k ዋጋ ላይ በመመስረት, ምድቡ ይወሰናል. ለምሳሌ k 5 ሲሆን አንድ የተወሰነ የውሂብ ነጥብ በምድብ ሀ ወደ ስምንት የውሂብ ነጥቦች እና በምድብ B ውስጥ ስድስት የውሂብ ነጥቦች ከሆነ የውሂብ ነጥቡ በ A. ይመደባል.
የማገገሚያው የአዲሱን መረጃ ውጤት ለመተንበይ የቀደመውን መረጃ አዝማሚያ የመተንበይ ሂደት ነው። በእንደገና, ውፅዓት አንድ ወይም ብዙ ተከታታይ ተለዋዋጭዎችን ሊያካትት ይችላል. ትንበያ ብዙ የውሂብ ነጥቦችን የሚሸፍን መስመር በመጠቀም ይከናወናል። በጣም ቀላሉ የመልሶ ማቋቋም ሞዴል ቀጥተኛ መመለሻ ነው. ፈጣን ነው እና እንደ KNN ያሉ ማስተካከያ መለኪያዎችን አያስፈልገውም። ውሂቡ ፓራቦሊክ አዝማሚያ ካሳየ መስመራዊ ሪግሬሽን ሞዴል ተስማሚ አይደለም።
እነዚህ አንዳንድ ክትትል የሚደረግባቸው የመማሪያ ስልተ ቀመሮች ምሳሌዎች ናቸው። በአጠቃላይ፣ ክትትል ከሚደረግባቸው የመማሪያ ዘዴዎች የሚመነጩት ውጤቶች ይበልጥ ትክክለኛ እና አስተማማኝ ናቸው ምክንያቱም የግብአት መረጃው በደንብ የታወቀ እና የተሰየመ ነው። ስለዚህ ማሽኑ የተደበቁ ንድፎችን ብቻ መተንተን አለበት።
ክትትል የሌለበት ትምህርት ምንድን ነው?
ክትትል በሌለበት ትምህርት፣ ሞዴሉ ቁጥጥር አይደረግበትም። ሞዴሉ በራሱ ይሠራል, ውጤቱን ለመተንበይ. መለያ በሌለው መረጃ ላይ መደምደሚያ ላይ ለመድረስ የማሽን መማሪያ ስልተ ቀመሮችን ይጠቀማል። በአጠቃላይ፣ ቁጥጥር የማይደረግባቸው የመማሪያ ስልተ ቀመሮች ከተቆጣጠሩት የመማሪያ ስልተ ቀመሮች የበለጠ ከባድ ናቸው ምክንያቱም ጥቂት መረጃዎች አሉ። ክላስተር ክትትል የማይደረግበት የመማሪያ አይነት ነው። አልጎሪዝምን በመጠቀም ያልታወቀ መረጃን ለመቧደን ሊያገለግል ይችላል። k-mean እና density-based clustering ሁለት ክላስተር ስልተ ቀመሮች ናቸው።
k-mean algorithm፣ k ሴንትሮይድ በዘፈቀደ ለእያንዳንዱ ዘለላ ያስቀምጣል። ከዚያም እያንዳንዱ የውሂብ ነጥብ ወደ ቅርብ ሴንትሮይድ ይመደባል. Euclidean ርቀት ከመረጃ ነጥብ እስከ ሴንትሮይድ ያለውን ርቀት ለማስላት ጥቅም ላይ ይውላል. የመረጃ ነጥቦቹ በቡድን ተከፋፍለዋል. የ k centroids ቦታዎች እንደገና ይሰላሉ. አዲሱ የሴንትሮይድ አቀማመጥ የሚወሰነው በቡድኑ ውስጥ ባሉት ሁሉም ነጥቦች አማካኝ ነው. እንደገና እያንዳንዱ የውሂብ ነጥብ ወደ ቅርብ ሴንትሮይድ ተመድቧል።ሴንትሮይድ እስካልተለወጠ ድረስ ይህ ሂደት ይደገማል። k-mean ፈጣን የክላስተር አልጎሪዝም ነው፣ ነገር ግን የስብስብ ነጥቦችን ጅምር የተገለጸ የለም። እንዲሁም፣ በክላስተር ነጥቦች አጀማመር ላይ የተመሰረተ ከፍተኛ የክላስተር ሞዴሎች አሉ።
ሌላው የክላስተር ስልተ ቀመር በ Density ላይ የተመሰረተ ክላስተር ነው። በተጨማሪም ጫጫታ ያለው density Based Spatial Clustering Applications በመባልም ይታወቃል። ክላስተርን እንደ ከፍተኛው ጥግግት የተገናኙ ነጥቦችን በመወሰን ይሰራል። በ density-based clustering ጥቅም ላይ የዋሉ ሁለት መለኪያዎች ናቸው። E (epsilon) እና ዝቅተኛ ነጥቦች ናቸው። የ ከባቢ ከፍተኛው ራዲየስ ነው። አነስተኛዎቹ ነጥቦች ዘለላ ለመወሰን በ Ɛ ሠፈር ውስጥ ያለው አነስተኛ የነጥቦች ብዛት ናቸው። ክትትል በማይደረግበት ትምህርት ውስጥ የሚወድቁ የክላስተር አንዳንድ ምሳሌዎች ናቸው።
በአጠቃላይ፣ ክትትል ካልተደረገባቸው የመማሪያ ስልተ ቀመሮች የሚመነጩት ውጤቶች ብዙ ትክክለኛ እና አስተማማኝ አይደሉም ምክንያቱም ማሽኑ የተደበቁ ንድፎችን እና ተግባራትን ከመወሰኑ በፊት የግቤት ውሂቡን መግለጽ እና መሰየም አለበት።
በክትትል እና ክትትል በማይደረግበት ማሽን መማር መካከል ያለው ተመሳሳይነት ምንድን ነው?
ሁለቱም ክትትል የሚደረግባቸው እና ያልተቆጣጠሩት ትምህርት የማሽን መማሪያ ዓይነቶች ናቸው።
በክትትል እና ክትትል በማይደረግበት ማሽን መማር መካከል ያለው ልዩነት ምንድን ነው?
ክትትል የሚደረግበት vs ክትትል የማይደረግበት የማሽን መማሪያ |
|
| ክትትል የሚደረግ ትምህርት የማሽን መማር ተግባርን የመማር ተግባር ሲሆን በምሣሌ የግብአት-ውፅዓት ጥንዶች ላይ በመመስረት ለውጤት ግብዓት ካርታ ይሰጣል። | ክትትል የማይደረግበት ትምህርት የማሽን መማር ተግባር ነው ከተሰየመ ውሂብ የተደበቀ መዋቅርን የሚገልፅ ተግባር። |
| ዋና ተግባር | |
| ክትትል በሚደረግበት ትምህርት፣ ሞዴሉ በተሰየመው የግቤት ውሂብ መሰረት ውጤቱን ይተነብያል። | ክትትል በሌለበት ትምህርት፣ ሞዴሉ ያለ መለያ ውሂብ ውጤቱን በራሱ በመለየት ይተነብያል። |
| የውጤቶቹ ትክክለኛነት | |
| ከክትትል የመማር ዘዴዎች የሚመነጩት ውጤቶች ይበልጥ ትክክለኛ እና አስተማማኝ ናቸው። | ክትትል ከሌለባቸው የመማሪያ ዘዴዎች የሚመነጩት ውጤቶች ብዙ ትክክለኛ እና አስተማማኝ አይደሉም። |
| ዋና አልጎሪዝም | |
| በክትትል በሚደረግ ትምህርት ውስጥ ለማገገም እና ለመመደብ ስልተ ቀመሮች አሉ። | ክትትል በሌለበት ትምህርት ውስጥ ለመሰብሰብ ስልተ ቀመሮች አሉ። |
ማጠቃለያ - ክትትል የሚደረግበት እና ክትትል የማይደረግበት የማሽን መማሪያ
ክትትል የሚደረግበት ትምህርት እና ክትትል የሚደረግበት ትምህርት ሁለት የማሽን መማሪያ ዓይነቶች ናቸው።ክትትል የሚደረግበት ትምህርት የማሽን መማሪያ ተግባርን በምሳሌ ግቤት-ውፅዓት ጥንዶች ላይ በመመስረት ለውጤት ግብዓት ካርታ የሚሰጥ ተግባር ነው። ክትትል የማይደረግበት ትምህርት ከተሰየመ ውሂብ የተደበቀ መዋቅርን ለመግለጽ ተግባርን የመገመት የማሽን መማር ተግባር ነው። ክትትል በሚደረግበት እና ክትትል በማይደረግበት የማሽን ትምህርት መካከል ያለው ልዩነት ክትትል የሚደረግበት ትምህርት የተሰየመ ውሂብን ሲጠቀም ክትትል ያልተደረገበት ማዘንበል ደግሞ ያልተሰየመ ውሂብ ይጠቀማል።
