زیر نگرانی سیکھنا ایک طریقہ ہے ، جس میں تربیت کے اعداد و شمار میں ان پٹ اور مطلوبہ نتائج دونوں شامل ہوتے ہیں۔ نظام کی مثال کے ساتھ تربیت کرنا نگرانی سیکھنے کو کہتے ہیں۔ ورنہ ، اساتذہ کے ساتھ الگورتھم کی تربیت کرنا بھی زیر نگرانی سیکھنا سمجھا جاسکتا ہے۔ تمام نمونہ ڈیٹا یا لیبل والے ڈیٹا کے ساتھ الگورتھم کی تربیت کرنے کے بعد ، جس میں ہدف متغیر پر پیش گو دونوں ہی ہوتے ہیں ، کوئی الگورتھم کی تربیت کرسکتا ہے اور مزید درجہ بندی کے لئے غیب مثال کو استعمال کرسکتا ہے۔
جاوا میں آبجیکٹ کی صف تیار کرنا
مہوت میں نگرانی سیکھنے کی کچھ اہم خصوصیات یہ ہیں:
- مناسب تربیت ، توثیق اور ٹیسٹ سیٹ (بوک) کی تعمیر اہم ہے۔
- یہ طریقے عام طور پر تیز اور درست ہوتے ہیں۔
- زیر نگرانی سیکھنے کے طریقوں کو عام کرنے کے قابل ہونا پڑے گا۔
- وہ درست نتائج دیتے ہیں ، جب ان پٹ میں بغیر کسی کو جاننے کے نئے اعداد و شمار دیئے جاتے ہیںترجیحہدف۔
- کچھ معاملات میں ، سیکھنے کے عمل کے دوران صحیح نتائج (اہداف) معلوم ہوتے ہیں اور ماڈل کو ان پٹ میں دیئے جاتے ہیں۔
نگرانی سیکھنے کی مثال
اگر آپ کسی مشن کی تربیت کرنا چاہتے ہیں اور آپ کو تصاویر کے دو مختلف گروپس کے ساتھ ساتھ لیبل لگا ہوا ڈیٹا بھی دیا جائے گا ، جیسے۔ مذکورہ تصویر میں ، ایک گروپ میں ہاتھی کی تصاویر ہیں اور دوسرے گروپ میں شیر کی تصاویر ہیں۔ لیبل لگا ہوا ڈیٹا ہر اس اعداد و شمار کا اشارہ کرتا ہے جس کا ہدف کی قیمت ہونا ضروری ہے۔ مذکورہ مثال میں ، ڈیٹا سیٹ ہاتھی کی تصاویر ہے ، جبکہ اسے دیا گیا لیبل ، یعنی 'ہاتھی' ڈیٹا سیٹ کی ہدف والی قیمت ہے۔ اس طرح کے لیبل لگا ڈیٹا سیٹ کو تربیت کے عمل کے ل is استعمال کیا جاتا ہے ، تاکہ تربیت الگورتھم اس ڈیٹا سیٹ پر فائدہ اٹھاسکے اور کچھ ماڈل تشکیل دے سکے ، جن کا استعمال بغیر لیبل والے ڈیٹا ، یا ہدف متغیر کے بغیر دکھائی دینے والی مثالوں کی درجہ بندی کرنے میں کیا جاسکے۔
آئیے ان خصوصیات کی نشاندہی کریں جو کسی چیز کو ہاتھی یا شیر کی شناخت کرنے میں معاون ہیں۔
ثنائی جاوا میں ثنائی تبدیل کریں
خصوصیات ہو سکتا ہے - سائز ، رنگ ، قد ، کان کا سائز ، ٹرنک ، ٹسک
اس کو فیچر سیٹ کہا جاسکتا ہے ، جسے تربیت کے مقصد کے لئے استعمال کیا جائے گا۔ یہ فیچر سیٹ حتمی ہدف متغیر کو متاثر کرے گا۔ یہ متغیرات کے طور پر جانا جاتا ہے پیشن گوئی متغیر ، کیونکہ وہ طے کرنے میں ہماری مدد کرتے ہیں آخری ہدف متغیر . حتمی متغیر کو لیبل بھی کہا جاسکتا ہے۔ آخری متغیر یہاں ہاتھی / شیر ہے۔
اس مثال میں ، زمروں میں ہر ایک ریکارڈ ، سائز ، رنگ ، قد ، کان کا سائز ، تنے اور ٹسک کا ایک پیش گو گو متغیر ہے ، جبکہ ہاتھی اور شیر ہدف متغیر ہیں۔ ان متغیرات کو بالترتیب تربیتی مثالوں اور ٹریننگ ڈیٹاسیٹس کے طور پر سمجھا جاسکتا ہے۔
لینکس کمانڈ لائن میں جاوا کلاس پاتھ کیسے ترتیب دیں
اس طرح ، سپروائزائزڈ لرننگ ایک ایسا طریقہ ہے ، جس کے ذریعے آپ لیبل کے ساتھ ساتھ تربیت کرتے ہیں ، جس کے تحت آپ الگورتھم سے کچھ خصوصیات نکالنے کو کہتے ہیں ، اور اسی بنا پر ، جب بھی آپ کو کوئی غیر منقسم مثال نظر آئے گی ، الگورتھم اس کی درجہ بندی کرنے کے قابل ہوگا صحیح جماعت میں۔
ہمارے لئے ایک سوال ہے؟ تبصرے کے سیکشن میں ان کا تذکرہ کریں اور ہم آپ کو واپس ملیں گے۔
متعلقہ اشاعت: