पर्यवेक्षी शिक्षण

विकिपीडिया, मुक्‍त ज्ञानकोशातून
Jump to navigation Jump to search
Aprendizaje supervisado (es); 監督式學習 (yue); aprenentatge supervisat (ca); überwachtes Lernen (de); supervised learning (en-gb); Վերահսկվող ուսուցում (hy); 監督式學習 (zh); Supervised learning (da); Gözetimli öğrenme (tr); 教師あり学習 (ja); Навчання з учителем (uk); 지도 학습 (ko); supervised learning (en-ca); učení s učitelem (cs); apprendimento supervisionato (it); তত্ত্বাবধানাধীন শিখন (bn); apprentissage supervisé (fr); Juhendatud masinõpe (et); पर्यवेक्षी शिक्षण (mr); aprendizagem supervisionada (pt); Ohjattu oppiminen (fi); การเรียนรู้แบบมีผู้สอน (th); یادگیری با نظارت (fa); Học có giám sát (vi); aprendizagem supervisionada (pt-br); למידה מונחית (he); Pemelajaran terarah (id); Uczenie nadzorowane (pl); overvåket læring (nb); Supervised learning (nl); Kàm-tok ha̍k-si̍p (nan); superrigardata lernado (eo); Обучение с учителем (ru); فێربوونی چاودێریکراو (ckb); supervised learning (en); تعلم مراقب (ar); Επιβλεπόμενη Μάθηση (el); ସୁପରଭାଇଜଡ ଲର୍ଣିଂ (or) দৃষ্টান্তমূলক প্রবিষ্ট-বহির্গত উপাত্ত জোড়সমূহের উপর ভিত্তি করে কোনও প্রবিষ্ট উপাত্ত থেকে বহির্গত উপাত্ত চিত্রণকারী কোনও অপেক্ষক যন্ত্রীয় পদ্ধতিতে শিখন (bn); technique d'apprentissage automatique (fr); Maskinlæringsmetode hvor en modell blir trent ved å sammenligne prediksjoner med en kjent fasit. (nb); माहितीवरून दिलेल्या उत्तराचा संदर्भ जोडण्याची यंत्र शिक्षणाची पद्धत (mr); Teilgebiet des maschinellen Lernens (de); tarefa de aprendizagem de máquina que visa aprender uma função que mapeie uma entrada a uma saída com base em exemplos de pares de entrada e saída (pt); machine learning task of learning a function that maps an input to an output based on example input-output pairs (en); maŝina lernado, laŭ kiu estas donita ekzemploj de la paroj de enigaĵoj kaj eliĝajoj, kaj la maŝino lernas kiel konstrui funkcion taŭgan je tiuj ekzemploj (eo); tarefa de aprendizagem de máquina que visa aprender uma função que mapeie uma entrada a uma saída com base em exemplos de pares de entrada e saída (pt-br); מונח בלמידת מכונה (he) aprendizagem de máquina supervisionada (pt-br); styrt læring, veiledet læring (nb); 监督学习 (zh); 교사 학습, 감독 학습 (ko); تمرین بانظارت, تمرین با نظارت, یادگیری بانظارت, یادگیری تحت نظارت (fa); aprendizagem de máquina supervisionada (pt); supervised machine learning (en); تعليم مراقب (بالإشراف), التعلم المراقب, التعلم بالإشراف, التعلم الاستقرائي (ar); Přeučení (cs); Apprentissage Supervisé, Apprentissage supervise (fr)
पर्यवेक्षी शिक्षण 
माहितीवरून दिलेल्या उत्तराचा संदर्भ जोडण्याची यंत्र शिक्षणाची पद्धत
माध्यमे अपभारण करा
Wikipedia-logo-v2.svg  विकिपीडिया
प्रकारअल्गोरिदम
उपवर्गयंत्र शिक्षण
ह्याचा भागयंत्र शिक्षण
अधिकार नियंत्रण
साचा:Translations:Template:Wikidata Infobox/i18n/msg-editlink-alttext/mr


Broom icon.svg
या लेखातील मजकूर मराठी विकिपीडियाच्या विश्वकोशीय लेखनशैलीस अनुसरून नाही. आपण हा लेख तपासून याच्या पुनर्लेखनास मदत करू शकता.

नवीन सदस्यांना मार्गदर्शन
हा साचा अशुद्धलेखन, अविश्वकोशीय मजकूर अथवा मजकुरात अविश्वकोशीय लेखनशैली व विना-संदर्भ लेखन आढळल्यास वापरला जातो. कृपया या संबंधीची चर्चा चर्चापानावर पहावी.


पर्यवेक्षी शिक्षण हा यंत्र शिक्षणाचा एक प्रकार आहे ज्यामध्ये उपलब्ध असलेल्या विदामधील नमून्यांतील माहिती व त्याच्यायोग्य अपेक्षीत असलेले उत्तर यांचा उपयूग करून यंत्राचे (संगणकातील सॉफ्टवेअर घटकाचे) शिक्षण करणारी प्रणाली विकसित केली जाते, जेणेकरून सारख्याच प्रकार ची नवीन माहिती पुरवल्यानंतर ते यंत्र अपेक्षीत उत्तर देऊ शकेल.[१] या प्रक्रियेत यंत्राचे शिक्षण करण्यासाठी जो प्रशिक्षण विदा पुरवला जातो त्यामधील प्रत्येक नमुन्यात माहिती-उत्तर अशा जोड्या असतात, व विकसित केलेली प्रशिक्षण प्रकरीया पुरवलेल्या माहिती वरून अपेक्षित उत्तरचे संदर्भ जोडण्या क्रीया संपूर्ण प्रकरीयेमध्ये करत राहते. सर्वोत्तम परिस्थितीत विकसित केलेले यंत्र त्याच क्षेत्रातील नवीन माहिती च्या पुरवलेल्या नमून्यांवरून प्रशिक्षण विदावरील कौशल्याच्या तोलाचे उत्तरे देऊ शकते.[२]


प्रकार[संपादन]

जर आपण महितीतील सर्व घटकांना एकत्रित ‘X’ या चल सदीशाने संबोधले, व नमुन्याच्या उत्तरला ‘Y’ या चल संख्यांना संबोधले, तर आपला कार्यभाग हा पुरवलेल्या माहितीवरून विदा उत्खनन करून Y = f(X) या दोन चल घटकांना एकमेकांशी जोडणार्‍या संदर्भाला शोधून काढण्याचा राहतो.[३]

अपेक्षित उत्तर ज्या प्रकार चे आहे, त्या वरुन पर्यवेक्षी शिक्षणाचे दोन मुख्य प्रकार ओळखले जातात:


वर्गीकरण (क्लासिफिकेशन)[संपादन]

काही प्रकार च्या उपयोजनांमध्ये ‘Y’ ही चल संख्या केवळ काही विशिष्ट पूर्णांक संख्या घेते, (उदा.: ०, १, २) म्हणजे यंत्राला प्रशिक्षणानंतर कुठल्याही नमुन्यावरून (X) त्याचा या विशिष्ट संख्यांपैकी एका संख्येशी संदर्भ लावायचा असतो, किंवा दुसर्‍या शब्दात त्या नमुन्याचे आधीच ठरलेल्या काही विशीष्ट विभांगांपैकी एका विभागामध्ये (प्रत्येक पूर्णांक संख्या एकेका विभागाला दर्शवते असे समजावे.) विभाजन करायचे असते.[४]

हस्तलिखित संख्या ओळख ही या प्रकाराची एक प्रसिद्ध उपयोजिका आहे, ज्यामध्ये हस्तलिखित संख्येच्या चित्राच्या पिकसेलचे नमुने दिले जातात, व यंत्राला लिहीलेल्या संख्येची ओळख कराची असते, म्हणजेच ०, १, २, …., ९ यापैकी एका वर्गामध्ये विभाजन कारचे असते.[५][६]

हस्तलिखित संख्यांच्या MNIST या विदगरमधील काही नमून्यांची प्रत

समाश्रयण विश्लेषण (रिग्रेशन)[संपादन]

उत्तराची संख्या ‘Y’ ही केवळ काही विशिष्ट संख्याच न घेता जर कुठलीही वास्तविक संख्या घेत असेल, तर तो प्रश्न या प्रकारात मोडतो. यामध्ये प्रशिक्षण घेत असणार्‍या यंत्राला विदगारामधील नमून्यांमध्ये व उत्तरमध्ये असलेला नेमका संदर्भ शोधून काढायचा असतो. अपेक्षित उत्तराच्या जास्तीत जास्त जवळ नेण्याचा प्रयत्न केला जातो.[७]

दोन चल संख्यांमध्ये असलेला साधारण संदर्भ शोधून काढला जातो.
X व Y मधील रिग्रेशन

या प्रकारातील एक प्रसिद्ध प्रश्न म्हणजे दिलेल्या माहितीवरून (जसे कि खोल्यांची संख्या, घराचा आकार, घराचे महत्वाच्या ठिकाणांशी सानिध्य, इ.) घराच्या विक्रीची किंमत भाकीत करणे.[८]


पद्धत[संपादन]

पर्यवेक्षी शिक्षणाचा कुठलाही प्रश्न सोडवताना अशी पद्धत अवलंबली जाते:[९]

  1. प्रशिक्षण विदाचा प्रकार ओळखावा. उदा. जर हस्ताक्षर ओळख करायची असेल तर एकेका अक्षराची कारयचे आहे, एकेका शब्दाची करायची आहे, का एकेका ओळीची करायची आहे, याची ओळख करावी.
  2. प्रशिक्षण विदा जमवावा, ज्यामध्ये जमवत असलेला विदा हा खर्‍या उपयोजनेमध्ये सामोरे जावे लागणार्‍या विदा सारखाच असेल, यावर भर द्यावा.
  3. गोळा केलेल्या महितीतील नमून्यांचे योग्य त्या चल सदिशामधील रूपांतर शोधून काढावे, जे यंत्राला पुरवले जाईल. यंत्राची अचूकता यावर बर्‍याच अंशी अवलंबून असते. शिवाय नमुन्यात गरजेपेक्षा जास्त माहिती असल्यास तिचे अल्प स्वरूपात रूपांतर करावे.
  4. महिती पासून उत्तराकडे संदर्भ जोडण्याच्या साधनाची रचना निवडावी, म्हणजेच पर्यवेक्षी शिक्षणासाठी उपलब्ध असलेल्या यंत्र शिक्षणाच्या मॉडेल्स पैकी योग्य ते मॉडेल निवडावे.
  5. उपलब्ध असलेल्या माहिती चा, म्हणजेच प्रशिक्षण विदा चा वापर करून पर्यवेक्षी शिक्षणाची प्रणाली विकसित करून मॉडेल वरती वापरावी. प्रशिक्षण देत असतांना यंत्राच्या अचूकतेचे मूल्यन करावे, व त्या अनुसार पुढे प्रशिक्षण देत राहावे.
  6. वरील प्रक्रिया योग्य त्या प्रकारे आटोपल्यानंतर न पाहिलेल्या डेटावरती यंत्राच्या अचूकतेचे मूल्यन करावे.


प्रसिद्ध मॉडेल[संपादन]

खालील मॉडेल पर्यवेक्षी शिक्षणासाठी मोठ्या प्रमाणात वापरात आहेत. [१०]

संदर्भ[संपादन]

  1. ^ Russell, Stuart J. (Stuart Jonathan),. Artificial intelligence : a modern approach. Norvig, Peter,, Davis, Ernest, (Third edition ed.). Upper Saddle River, New Jersey. ISBN 0-13-604259-7. OCLC 359890490.CS1 maint: extra punctuation (link) CS1 maint: multiple names: authors list (link) CS1 maint: extra text (link)
  2. ^ Mohri, Mehryar. (2012). Foundations of machine learning. Rostamizadeh, Afshin., Talwalkar, Ameet. Cambridge, MA: MIT Press. ISBN 978-0-262-30566-2. OCLC 809846149.
  3. ^ Brownlee, Jason (2016-03-15). "Supervised and Unsupervised Machine Learning Algorithms". Machine Learning Mastery (इंग्रजी भाषेत). 2020-08-25 रोजी पाहिले.
  4. ^ Asiri, Sidath (2018-06-11). "Machine Learning Classifiers". Medium (इंग्रजी भाषेत). 2020-08-25 रोजी पाहिले.
  5. ^ "Handwriting Recognition - an overview | ScienceDirect Topics". www.sciencedirect.com. 2020-08-25 रोजी पाहिले.
  6. ^ "MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burges". yann.lecun.com. 2020-08-25 रोजी पाहिले.
  7. ^ "Regression Analysis Essentials For Machine Learning - Easy Guides - Wiki - STHDA". www.sthda.com (इंग्रजी भाषेत). 2020-08-25 रोजी पाहिले.
  8. ^ "Predicting House Price Using Regression Algorithm for Machine Learning". yalantis.com (इंग्रजी भाषेत). 2020-08-25 रोजी पाहिले.
  9. ^ Géron, Aurélien,. Hands-on machine learning with Scikit-Learn and TensorFlow : concepts, tools, and techniques to build intelligent systems (First edition ed.). Sebastopol, CA. ISBN 1-4919-6229-1. OCLC 953432302.CS1 maint: extra punctuation (link) CS1 maint: multiple names: authors list (link) CS1 maint: extra text (link)
  10. ^ "User guide: contents — scikit-learn 0.23.2 documentation". scikit-learn.org. 2020-08-25 रोजी पाहिले.