Εποπτισμένη και Μη Εποπτισμένη Μάθηση

Σε μηχανική μάθηση, οι περισσότερες εργασίες μπορούν εύκολα να κατηγοριοποιηθούν σε μία από τις δύο διαφορετικές κατηγορίες: προβλήματα εποπτισμένης μάθησης ή προβλήματα μη εποπτισμένης μάθησης. Στην εποπτισμένη μάθηση, τα δεδομένα έχουν ετικέτες ή κατηγορίες που προστίθενται σε αυτά, ενώ στην περίπτωση της μη εποπτισμένης μάθησης, τα δεδομένα είναι بدون ετικέτες. Ας δούμε πιο κοντά γιατί αυτή η διάκριση είναι σημαντική και ας εξετάσουμε μερικά από τα αλγόριθμους που συνδέονται με κάθε τύπο μάθησης.

Εποπτισμένη και Μη Εποπτισμένη Μάθηση

Οι περισσότερες εργασίες μηχανικής μάθησης ανήκουν στο domaine της εποπτισμένης μάθησης. Σε αλγόριθμους εποπτισμένης μάθησης, τα μεμονωμένα περιστατικά/σημεία δεδομένων έχουν μια κατηγορία ή ετικέτα που τους έχει ανατεθεί. Αυτό σημαίνει ότι το μοντέλο μηχανικής μάθησης μπορεί να μάθει να διακρίνει ποια χαρακτηριστικά συνδέονται με μια δεδομένη κατηγορία και ότι ο μηχανικός μάθησης μπορεί να ελέγξει την απόδοση του μοντέλου βλέποντας πόσα περιστατικά ταξινομήθηκαν σωστά. Αλγόριθμοι ταξινόμησης μπορούν να χρησιμοποιηθούν για να διακρίνουν πολύπλοκες προτυπώσεις, εφόσον τα δεδομένα έχουν ετικέτες με τις σωστές κατηγορίες. Για παράδειγμα, ένας αλγόριθμος μηχανικής μάθησης μπορεί να μάθει να διακρίνει διαφορετικά ζώα μεταξύ τους με βάση χαρακτηριστικά όπως “γουστ”, “ουρά”, “νύχια” κ.λπ.

Σε αντίθεση με την εποπτισμένη μάθηση, η μη εποπτισμένη μάθηση περιλαμβάνει τη δημιουργία ενός μοντέλου που μπορεί να εξάγει προτυπώσεις από μη ετικετεμένα δεδομένα. Με άλλα λόγια, ο υπολογιστής αναλύει τα χαρακτηριστικά εισόδου και καθορίζει από μόνος του ποια είναι τα πιο σημαντικά χαρακτηριστικά και προτυπώσεις. Η μη εποπτισμένη μάθηση προσπαθεί να βρει τις εγγενείς ομοιότητες μεταξύ διαφορετικών περιστατικών. Αν ένας αλγόριθμος εποπτισμένης μάθησης στοχεύει να τοποθετήσει τα σημεία δεδομένων σε γνωστές κατηγορίες, οι αλγόριθμοι μη εποπτισμένης μάθησης θα εξετάσουν τα χαρακτηριστικά που είναι κοινά στα περιστατικά αντικειμένων και θα τα τοποθετήσουν σε ομάδες με βάση αυτά τα χαρακτηριστικά, δημιουργώντας ουσιαστικά τις δικές τους κατηγορίες.

Παραδείγματα αλγορίθμων εποπτισμένης μάθησης είναι η Γραμμική Παλινδρόμηση, η Λογιστική Παλινδρόμηση, ο K-πιο Κοντινός Γείτονας, τα Δέντρα Απόφασης και οι Μηχανές Υποστηρικτικών Διαστημάτων.

Εν τω μεταξύ, κάποια παραδείγματα αλγορίθμων μη εποπτισμένης μάθησης είναι η Ανάλυση Πρωτεύοντος Συστατικού και η Ομαδοποίηση K-Means.

Αλγόριθμος Εποπτισμένης Μάθησης

Η Γραμμική Παλινδρόμηση είναι ένας αλγόριθμος που παίρνει δύο χαρακτηριστικά και σχεδιάζει τη σχέση μεταξύ τους. Η Γραμμική Παλινδρόμηση χρησιμοποιείται για να προβλέψει αριθμητικές τιμές σε σχέση με άλλες αριθμητικές μεταβλητές. Η Γραμμική Παλινδρόμηση έχει την εξίσωση Y = a + bX, όπου b είναι η κλίση της γραμμής και a είναι το σημείο όπου η y διασχίζει τον άξονα X.

Η Λογιστική Παλινδρόμηση είναι ένας αλγόριθμος δυαδικής ταξινόμησης. Ο αλγόριθμος εξετάζει τη σχέση μεταξύ αριθμητικών χαρακτηριστικών και βρίσκει την πιθανότητα ότι το περιστατικό μπορεί να ταξινομηθεί σε μία από δύο διαφορετικές κατηγορίες. Οι πιθανότητες “πιέζονται” προς το 0 ή 1. Με άλλα λόγια, ισχυρές πιθανότητες θα προσεγγίσουν το 0,99 ενώ αδύναμες πιθανότητες θα προσεγγίσουν το 0.

Ο K-πιο Κοντινός Γείτονας αναθέτει μια κατηγορία σε νέα σημεία δεδομένων με βάση τις κατηγορίες που έχουν ανατεθεί σε κάποια επιλεγμένα γειτόνια στη συνθήκη εκπαίδευσης. Ο αριθμός των γειτόνων που εξετάζει ο αλγόριθμος είναι σημαντικός, και πολύ λίγα ή πολύ πολλά γειτόνια μπορεί να οδηγήσουν σε λανθασμένη ταξινόμηση.

Τα Δέντρα Απόφασης είναι ένας τύπος αλγορίθμου ταξινόμησης και παλινδρόμησης. Ένα δέντρο απόφασης λειτουργεί χωρίζοντας το συνόλο δεδομένων σε μικρότερα και μικρότερα τμήματα μέχρι τα υποσύνολα να μην μπορούν να χωριστούν περαιτέρω και το αποτέλεσμα είναι ένα δέντρο με κόμβους και φύλλα. Οι κόμβοι είναι там όπου λαμβάνονται αποφάσεις για τα σημεία δεδομένων χρησιμοποιώντας διαφορετικά κριτήρια φιλτραρίσματος, ενώ τα φύλλα είναι τα περιστατικά που έχουν ανατεθεί κάποια ετικέτα (ένα σημείο δεδομένων που έχει ταξινομηθεί). Οι αλγόριθμοι δέντρων απόφασης μπορούν να χειριστούν και αριθμητικά και κατηγορικά δεδομένα. Οι διαιρέσεις στο δέντρο γίνονται με βάση συγκεκριμένες μεταβλητές/χαρακτηριστικά.

Οι Μηχανές Υποστηρικτικών Διαστημάτων είναι ένας αλγόριθμος ταξινόμησης που λειτουργεί σχεδιάζοντας υπερεπίπεδα, ή γραμμές διαχωρισμού, μεταξύ των σημείων δεδομένων. Τα σημεία δεδομένων χωρίζονται σε κατηγορίες με βάση ποια πλευρά του υπερεπίπεδου βρίσκονται. Μπορούν να σχεδιαστούν πολλά υπερεπίπεδα σε ένα επίπεδο, χωρίζοντας το συνόλο δεδομένων σε πολλές κατηγορίες. Ο ταξινομητής θα προσπαθήσει να μεγιστοποιήσει την απόσταση μεταξύ του διαχωριστικού υπερεπίπεδου και των σημείων σε κάθε πλευρά του επιπέδου, και όσο μεγαλύτερη είναι η απόσταση μεταξύ της γραμμής και των σημείων, τόσο πιο βέβαιος είναι ο ταξινομητής.

Αλγόριθμοι Μη Εποπτισμένης Μάθησης

Η Ανάλυση Πρωτεύοντος Συστατικού είναι μια τεχνική που χρησιμοποιείται για τη μείωση της διαστατικότητας, που σημαίνει ότι η διαστατικότητα ή η 복잡ότητα των δεδομένων αντιπροσωπεύεται με ένα απλούστερο τρόπο. Ο αλγόριθμος Ανάλυσης Πρωτεύοντος Συστατικού βρίσκει νέες διαστάσεις για τα δεδομένα που είναι ορθογώνιες. Ενώ η διαστατικότητα των δεδομένων μειώνεται, η διακύμανση μεταξύ των δεδομένων πρέπει να διατηρείται όσο το δυνατόν περισσότερο. Αυτό σημαίνει ότι παίρνει τα χαρακτηριστικά του συνόλου δεδομένων και τα αποσυντίθεται σε λιγότερα χαρακτηριστικά που αντιπροσωπεύουν τα περισσότερα δεδομένα.

Η Ομαδοποίηση K-Means είναι ένας αλγόριθμος που ομαδοποιεί αυτόματα τα σημεία δεδομένων σε ομάδες με βάση παρόμοια χαρακτηριστικά. Οι προτυπώσεις μέσα στο συνόλο δεδομένων αναλύονται και τα σημεία δεδομένων χωρίζονται σε ομάδες με βάση αυτές τις προτυπώσεις. Ουσιαστικά, η Ομαδοποίηση K-Means δημιουργεί τις δικές της κατηγορίες από μη ετικετεμένα δεδομένα. Ο αλγόριθμος Ομαδοποίησης K-Means λειτουργεί αναθέτοντας κέντρα στις ομάδες, ή κεντρωμένα, και μετακινώντας τα κεντρωμένα μέχρι να βρεθεί η βέλτιστη θέση για τα κεντρωμένα. Η βέλτιστη θέση θα είναι εκείνη όπου η απόσταση μεταξύ των κεντρωμένων και των γύρω σημείων δεδομένων μέσα στην κατηγορία ελαχιστοποιείται. Το “K” στην Ομαδοποίηση K-Means αναφέρεται στον αριθμό των κεντρωμένων που έχουν επιλεγεί.

Περίληψη

Για να κλείσουμε, ας δούμε γρήγορα τις βασικές διαφορές μεταξύ εποπτισμένης και μη εποπτισμένης μάθησης.

Όπως συζητήσαμε προηγουμένως, στις εργασίες εποπτισμένης μάθησης, τα δεδομένα εισόδου έχουν ετικέτες και ο αριθμός των κατηγοριών είναι γνωστός. Εν τω μεταξύ, τα δεδομένα εισόδου είναι χωρίς ετικέτες και ο αριθμός των κατηγοριών δεν είναι γνωστός στις περιπτώσεις μη εποπτισμένης μάθησης. Η μη εποπτισμένη μάθηση τείνει να είναι λιγότερο υπολογιστικά πολύπλοκη, ενώ η εποπτισμένη μάθηση τείνει να είναι πιο υπολογιστικά πολύπλοκη. Ενώ τα αποτελέσματα της εποπτισμένης μάθησης τείνουν να είναι υψηλής ακρίβειας, τα αποτελέσματα της μη εποπτισμένης μάθησης τείνουν να είναι λιγότερο ακριβή/μετρίως ακριβή.