(YO)
Entrada ————— Salida
1 ———————-> 1
2 ———————-> 4
3 ———————-> 9
4 ———————-> 16
.. ———————-> ..
Si tiene un problema, prediga cuál sería la salida para la entrada = 6,
Entonces, obviamente, puede predecirlo como 36, ya que puede aprender el patrón entre las entradas y las salidas. Aquí se muestran los puntos etiquetados. Este tipo de problema se conoce como tarea de aprendizaje supervisado .
(II)
Entrada : 1, 2, 3, 4, 5, 6, 101, 102, 103, 104, 105, 106, 1001, 1002, 1003, 1004
- ¿Cómo entrenar codificadores automáticos dispersos en imágenes?
- ¿Cuál es el entorno libre de distribución en la teoría del aprendizaje estadístico?
- En un modelo gráfico dirigido, el aprendizaje es fácil pero la inferencia es difícil. ¿Es esto cierto?
- ¿Cómo se calcula el punto de ruptura de un algoritmo de aprendizaje?
- ¿Qué es el LSTM?
Aquí no puedo pedirle que prediga la salida de 10002, porque no le he dado la salida de ninguna de las entradas, por lo que lo menos que puede hacer es organizarlas de acuerdo con su patrón, como la agrupación. Este tipo de datos donde no tiene salida se denomina conjunto de datos sin etiquetar. Este tipo de problema es el aprendizaje no supervisado.
(III)
También hay un tercer tipo de problema en el campo ML, el aprendizaje semi-supervisado , que contiene una mezcla de puntos etiquetados y puntos no etiquetados. La tarea es organizar los puntos de datos que poseen un comportamiento similar y luego evaluar los valores. Clasificación de imagen, etc.