2024 लेखक: Elizabeth Oswald | [email protected]. अंतिम बार संशोधित: 2024-01-13 00:07
अर्द्ध पर्यवेक्षित शिक्षण मशीन लर्निंग का एक प्रकार है। यह एक सीखने की समस्या (और सीखने की समस्या के लिए डिज़ाइन किए गए एल्गोरिदम) को संदर्भित करता है जिसमें लेबल किए गए उदाहरणों का एक छोटा हिस्सा और बड़ी संख्या में बिना लेबल वाले उदाहरण शामिल होते हैं जिनसे एक मॉडल को सीखना चाहिए और नए उदाहरणों पर भविष्यवाणियां करनी चाहिए।
अर्द्ध पर्यवेक्षित शिक्षण से आप क्या समझते हैं?
अर्ध-पर्यवेक्षित शिक्षण मशीन सीखने के लिए एक दृष्टिकोण है जो प्रशिक्षण के दौरान बड़ी मात्रा में लेबल रहित डेटा के साथ लेबल किए गए डेटा की एक छोटी मात्रा को जोड़ता है। … अर्ध-पर्यवेक्षित शिक्षण मशीन सीखने और मानव सीखने के लिए एक मॉडल के रूप में सैद्धांतिक रुचि का भी है।
अर्द्ध पर्यवेक्षित शिक्षण उदाहरण क्या है?
अर्ध-पर्यवेक्षित शिक्षण के अनुप्रयोग का एक सामान्य उदाहरण है एक टेक्स्ट दस्तावेज़ क्लासिफायरियर। … इसलिए, अर्ध-पर्यवेक्षित शिक्षण एल्गोरिथम को लेबल किए गए टेक्स्ट दस्तावेज़ों की एक छोटी मात्रा से सीखने की अनुमति देता है, जबकि प्रशिक्षण डेटा में बड़ी मात्रा में बिना लेबल वाले टेक्स्ट दस्तावेज़ों को वर्गीकृत करता है।
अर्द्ध पर्यवेक्षित शिक्षण का उपयोग कहाँ किया जाता है?
भाषण विश्लेषण: चूंकि ऑडियो फाइलों की लेबलिंग एक बहुत ही गहन कार्य है, इस समस्या को हल करने के लिए अर्ध-पर्यवेक्षित शिक्षण एक बहुत ही स्वाभाविक दृष्टिकोण है। इंटरनेट सामग्री वर्गीकरण: प्रत्येक वेबपेज को लेबल करना एक अव्यावहारिक और अक्षम्य प्रक्रिया है और इस प्रकार अर्ध-पर्यवेक्षित शिक्षण एल्गोरिदम का उपयोग करता है।
पर्यवेक्षित और. में क्या अंतर हैअर्ध पर्यवेक्षित शिक्षण?
पर्यवेक्षित शिक्षण मॉडल में, एल्गोरिदम एक लेबल किए गए डेटासेट पर सीखता है, एक उत्तर कुंजी प्रदान करता है जिसका उपयोग एल्गोरिदम प्रशिक्षण डेटा पर इसकी सटीकता का मूल्यांकन करने के लिए कर सकता है। … अर्ध-पर्यवेक्षित शिक्षण एक बीच का रास्ता लेता है। यह लेबल रहित डेटा के एक बड़े सेट को मजबूत करने के लिए लेबल किए गए डेटा की एक छोटी मात्रा का उपयोग करता है।
सिफारिश की:
ई-लर्निंग सिस्टम के लिए कौन सी गैर-कार्यात्मक आवश्यकताएँ हैं?
ऐसी गैर-कार्यात्मक आवश्यकताओं में शामिल हैं प्रदर्शन, विश्वसनीयता, उपलब्धता, पुनर्प्राप्ति, आदि। साहित्य के साक्ष्य से पता चलता है कि सॉफ्टवेयर डेवलपमेंट लाइफ साइकिल (एसडीएलसी) [2] पर गैर-कार्यात्मक आवश्यकताओं को ठीक से प्रबंधित नहीं किया जाता है। यह NFRs की व्याख्या, विनिर्देश, दस्तावेज़ीकरण और मूल्यांकन पर लागू होता है। सिस्टम की गैर-कार्यात्मक आवश्यकताएं क्या हैं?
क्या प्रतिगमन पर्यवेक्षित शिक्षण है?
प्रतिगमन विश्लेषण एक पर्यवेक्षित मशीन लर्निंग का उपक्षेत्र है। इसका उद्देश्य एक निश्चित संख्या में विशेषताओं और एक सतत लक्ष्य चर के बीच संबंध को मॉडल करना है। प्रतिगमन पर्यवेक्षित है या अनुपयोगी? प्रतिगमन एक पर्यवेक्षित मशीन लर्निंग तकनीक है जिसका उपयोग निरंतर मूल्यों की भविष्यवाणी करने के लिए किया जाता है। प्रतिगमन एल्गोरिथ्म का अंतिम लक्ष्य डेटा के बीच एक सर्वोत्तम-फिट लाइन या वक्र प्लॉट करना है। … बहुपद प्रतिगमन का उपयोग तब किया जाता है जब डेटा गैर-रैखिक होता है।
क्या वे अनुवादक हैं जो एचएलएल को मशीन कोड में बदलते हैं?
कंपाइलर का उपयोग उच्च स्तरीय भाषा में लिखे गए प्रोग्राम को मशीन कोड (ऑब्जेक्ट कोड) में अनुवाद करने के लिए किया जाता है। एक बार संकलित (सभी एक बार में), अनुवादित प्रोग्राम फ़ाइल को सीधे कंप्यूटर द्वारा उपयोग किया जा सकता है और स्वतंत्र रूप से निष्पादन योग्य है। HLL प्रोग्राम को मशीनी भाषा में क्या बदलता है?
मशीन लर्निंग में क्लासिफायरियर क्या है?
आँकड़ों में, वर्गीकरण यह पहचानने की समस्या है कि अवलोकन किस श्रेणी का है। उदाहरण "स्पैम" या "गैर-स्पैम" वर्ग को दिए गए ईमेल को निर्दिष्ट करना और रोगी की देखी गई विशेषताओं के आधार पर किसी रोगी को निदान निर्दिष्ट करना है। मशीन लर्निंग में क्लासिफायरियर का क्या मतलब है?
डीप लर्निंग पर्यवेक्षित है या अनुपयोगी?
डीप लर्निंग एल्गोरिदम को अनपर्यवेक्षित लर्निंग टास्क पर लागू किया जा सकता है। यह एक महत्वपूर्ण लाभ है क्योंकि लेबल रहित डेटा लेबल किए गए डेटा की तुलना में अधिक प्रचुर मात्रा में होता है। गहरी संरचनाओं के उदाहरण जिन्हें अनियंत्रित तरीके से प्रशिक्षित किया जा सकता है, वे हैं तंत्रिका इतिहास कम्प्रेसर और गहन विश्वास नेटवर्क। क्या गहन शिक्षण पर्यवेक्षित है या अनुपयोगी शिक्षण?