В чем заключается разница между supervised и unsupervised обучением в Data Mining?

Основное различие между supervised и unsupervised обучением в Data Mining заключается в использовании помеченных данных. www.ibm.com www.freecodecamp.org

Supervised обучение основано на помеченных входных и выходных данных. phoenixnap.com www.ibm.com Модель обучают на наборах данных, где каждый элемент имеет специальный тег или метку. www.freecodecamp.org Цель такого подхода — сделать точные прогнозы или классификации на основе входных данных. shelf.io www.freecodecamp.org

Unsupervised обучение работает с немечеными данными, где нет заранее определённых меток или результатов. www.freecodecamp.org Цель такого подхода — выявить скрытые закономерности или структуры, которые присущи самим данным. www.freecodecamp.org

Некоторые другие различия между supervised и unsupervised обучением:

• Цели. www.ibm.com При supervised обучении цель — предсказать результаты для новых данных. www.ibm.com При unsupervised обучении цель — получить insights из больших объёмов новых данных. www.ibm.com
• Приложения. www.ibm.com Модели supervised обучения подходят для обнаружения спама, анализа настроений, прогнозирования погоды и цен и других задач. www.ibm.com Unsupervised обучение применяют для обнаружения аномалий, рекомендательных систем, персоны клиента и медицинской визуализации. www.ibm.com
• Сложность. www.ibm.com Supervised обучение — простой метод машинного обучения, для него обычно используют программы, такие как R или Python. www.ibm.com Для unsupervised обучения нужны мощные инструменты для работы с большими объёмами неклассифицированных данных. www.ibm.com
• Недостатки. www.ibm.com Обучение моделей supervised обучения может быть длительным, а для маркировки входных и выходных переменных требуется экспертиза. www.ibm.com Методы unsupervised обучения могут давать неточные результаты, если не обеспечить вмешательство человека для проверки выходных переменных. www.ibm.com