|
Mavzu: Nazoratsiz o’qitish modellari. Hidden Markov modeli
|
| bet | 7/15 | | Sana | 14.07.2023 | | Hajmi | 7.63 Mb. | | #76719 |
Bog'liq Intellektual tizimlar to\'liqMavzu: Nazoratsiz o’qitish modellari. Hidden Markov modeli
REJA:
1.Nazoratsiz o’qitish.
2.Hidden Markov modeli.
3.HMM ishlash prinsipi va natijasi.
Nazoratsiz o'rganish - bu mashinani o'rganish usuli bo'lib, unda foydalanuvchilar modelni nazorat qilishlari shart emas. Buning o'rniga, u ilgari aniqlanmagan naqshlar va ma'lumotlarni kashf qilish uchun modelning o'zi ishlashiga imkon beradi. U asosan etiketlanmagan ma'lumotlar bilan shug'ullanadi.
Nima uchun nazoratsiz ta'lim?
Mashina o'rganishda nazoratsiz ta'limdan foydalanishning asosiy sabablari :
Nazoratsiz mashinani o'rganish ma'lumotlarda barcha turdagi noma'lum naqshlarni topadi.
Nazorat qilinmagan usullar turkumlash uchun foydali bo'lishi mumkin bo'lgan xususiyatlarni topishga yordam beradi.
Bu real vaqt rejimida amalga oshiriladi, shuning uchun barcha kiritilgan ma'lumotlar o'quvchilar ishtirokida tahlil qilinadi va etiketlanadi.
Yorliqsiz ma'lumotlarni kompyuterdan olish, qo'lda aralashuvni talab qiladigan etiketli ma'lumotlardan ko'ra osonroqdir.
Nazoratsiz ta'lim haqida gap ketganda, klasterlash muhim tushunchadir. U asosan toifalanmagan ma'lumotlar to'plamida strukturani yoki naqshni topish bilan shug'ullanadi. Nazoratsiz o'rganish klasterlash algoritmlari ma'lumotlaringizni qayta ishlaydi va agar ular ma'lumotlarda mavjud bo'lsa, tabiiy klasterlarni (guruhlarni) topadi. Algoritmlaringiz qancha klasterni aniqlashi kerakligini ham o'zgartirishingiz mumkin. Ushbu guruhlarning granülerligini sozlash imkonini beradi.
Siz ma'lumotlarni saralash bo'yicha aniq ma'lumotga ega bo'lolmaysiz va nazoratsiz o'rganishda ishlatiladigan ma'lumotlar sifatida chiqish etiketlangan va noma'lum.
Natijalarning kamroq aniqligi, chunki kiritilgan ma'lumotlar noma'lum va odamlar tomonidan oldindan belgilanmagan. Bu shuni anglatadiki, mashina buni o'zi bajarishi kerak.
Spektral sinflar har doim ham axborot sinflariga mos kelmaydi.
Foydalanuvchi ushbu tasnifga mos keladigan sinflarni sharhlash va belgilashga vaqt sarflashi kerak.
Sinflarning spektral xususiyatlari ham vaqt o'tishi bilan o'zgarishi mumkin, shuning uchun bir tasvirdan ikkinchisiga o'tishda bir xil sinf ma'lumotlariga ega bo'lolmaysiz.
Nazoratsiz o'rganish - bu mashinani o'rganish usuli bo'lib, unda siz modelni nazorat qilishingiz shart emas.
Nazoratsiz mashinani o'rganish sizga ma'lumotlardagi barcha turdagi noma'lum naqshlarni topishga yordam beradi.
Klaster va assotsiatsiya nazoratsiz ta'limning ikki turidir.
Klasterlash usullarining to'rt turi mavjud: 1) Eksklyuziv 2) Aglomerativ 3) Bir-biriga o'xshash 4) Ehtimoliy.
Klasterlashning muhim turlari quyidagilardir: 1)Ierarxik klasterlash 2) K-klasterlash degani 3) K-NN 4) Asosiy komponentlar tahlili 5) Singular qiymat dekompozitsiyasi 6) Mustaqil komponentlar tahlili.
Assotsiatsiya qoidalari katta ma'lumotlar bazalari ichidagi ma'lumotlar ob'ektlari o'rtasida assotsiatsiyalarni o'rnatishga imkon beradi.
Nazorat ostidagi ta'limda algoritmlar etiketli ma'lumotlardan foydalangan holda o'qitiladi, nazoratsiz o'rganishda esa algoritmlar etiketlanmagan ma'lumotlarga qarshi qo'llaniladi.
Anomaliyalarni aniqlash ma'lumotlar to'plamidagi muhim ma'lumotlar nuqtalarini aniqlashi mumkin, bu esa firibgarlik tranzaksiyalarini topish uchun foydalidir.
Nazoratsiz o'rganishning eng katta kamchiligi shundaki, siz ma'lumotlarni saralash bo'yicha aniq ma'lumotga ega bo'lolmaysiz.
Markov va Hidden Markov modellari vaqt o'tishi bilan kuzatuvlar ketma-ketligi sifatida ifodalanishi mumkin bo'lgan ma'lumotlarni qayta ishlash uchun ishlab chiqilgan.. Yashirin Markov modellari - bu kuzatilgan ma'lumotlar bir nechta (yashirin) ichki holatlardan biri tomonidan yaratilgan bir qator natijalar sifatida modellashtirilgan ehtimollik ramkalar.
|
| |
