1-topshiriq. Mashinani o’qitish. Lobe dasturida ishlash 2-topshiriq. Yarim nazoratli o’qitish

3-topshiriq. Nazoratsiz o’qitish modellari. Gaussian mixture
Biz mashinani nazoratli o’qitishni o'rgandik, unda modellar o'quv ma'lumotlari nazorati ostida etiketli ma'lumotlardan foydalangan holda o'qitiladi. Ammo bizda yorliqli ma'lumotlar bo'lmagan va berilgan ma'lumotlar to'plamidan yashirin naqshlarni topish kerak bo'lgan ko'p holatlar bo'lishi mumkin. Shunday qilib, mashinani o’qitishda bunday holatlarni hal qilish uchun bizga nazoratsiz o’qitish usullari kerak. Nomidan ko'rinib turibdiki, nazoratsiz o’qitish - bu mashinani o’qitish usuli bo'lib, unda modellar o'quv ma'lumotlar to'plami yordamida nazorat qilinmaydi. Buning o'rniga, modellarning o'zi berilgan ma'lumotlardan yashirin naqsh va tushunchalarni topadi. Uni yangi narsalarni o'rganish paytida inson miyasida sodir bo'ladigan o'rganish bilan solishtirish mumkin. Buni quyidagicha aniqlash mumkin: Nazoratsiz o’qitishni regressiya yoki tasniflash muammosiga to‘g‘ridan-to‘g‘ri qo‘llash mumkin emas, chunki nazoratli o’qitishdan farqli o‘laroq, bizda kirish ma’lumotlari mavjud, lekin tegishli chiqish ma’lumotlari yo‘q. Nazoratsiz o'qitishning maqsadi ma'lumotlar to'plamining asosiy tuzilishini topish, ma'lumotlarni o'xshashliklari bo'yicha guruhlash va ushbu ma'lumotlar to'plamini siqilgan formatda taqdim etishdir . Misol: Faraz qilaylik, nazoratsiz o’qitish algoritmiga har xil turdagi mushuk va itlarning tasvirlarini o'z ichiga olgan kirish ma'lumotlar to'plami berilgan. Algoritm hech qachon berilgan ma'lumotlar to'plamida o'qitilmaydi, ya'ni u ma'lumotlar to'plamining xususiyatlari haqida hech qanday tasavvurga ega emas. Nazoratsiz o’qitish algoritmining vazifasi tasvir xususiyatlarini o'z-o'zidan aniqlashdir. Nazoratsiz o’qitish algoritmi ushbu vazifani tasvirlar o'rtasidagi o'xshashliklarga ko'ra tasvir ma'lumotlar to'plamini guruhlarga ajratish orqali amalga oshiradi. Nima uchun nazoratsiz o’qitishdan foydalanish kerak? Quyida nazoratsiz o’qitishning ahamiyatini tavsiflovchi asosiy sabablar keltirilgan: o Nazoratsiz o’qitish ma'lumotlardan foydali tushunchalarni topishda yordam beradi. o Nazoratsiz o’qitish, odam o'z tajribasi orqali fikrlashni o'rganganiga o'xshaydi, bu esa uni haqiqiy AIga yaqinlashtiradi. o Nazoratsiz o’qitish yorliqsiz va toifalanmagan ma'lumotlar ustida ishlaydi, bu esa nazoratsiz o’qitishni muhimroq qiladi. o Haqiqiy dunyoda bizda har doim ham mos keladigan chiqish bilan kirish ma'lumotlari mavjud emas, shuning uchun bunday holatlarni hal qilish uchun bizga nazoratsiz o’qitish kerak. Nazoratsiz o’qitishning ishlashi Nazoratsiz o’qitishning ishlashini quyidagi diagramma orqali tushunish mumkin: Bu erda biz yorliqsiz kirish ma'lumotlarini oldik, ya'ni u toifalarga ajratilmagan va tegishli natijalar ham berilmagan. Endi ushbu yorliqsiz kirish ma'lumotlari uni o'qitish uchun mashinani o'rganish modeliga beriladi. Birinchidan, u ma'lumotlardan yashirin naqshlarni topish uchun xom ma'lumotlarni sharhlaydi va keyin k-klasterlash, qarorlar daraxti va boshqalar kabi mos algoritmlarni qo'llaydi. Tegishli algoritmni qo'llaganidan so'ng, algoritm ma'lumotlar ob'ektlarini ob'ektlar orasidagi o'xshashlik va farqlarga ko'ra guruhlarga ajratadi.