Rozdział 9. Techniki uczenia nienadzorowanego
Chociaż większość współczesnych zastosowań uczenia maszynowego bazuje na uczeniu nadzorowanym (co sprawia, że dział ten jest najlepiej finansowany), to znaczna część dostępnych danych jest nieoznakowana: dysponujemy cechami wejściowymi X, ale nie etykietami y. Informatyk Yann LeCun ukuł słynne porównanie: „gdyby inteligencja była tortem, uczenie nienadzorowane byłoby biszkoptem wraz z masą tortową, uczenie nadzorowane stałoby się polewą, natomiast uczenie przez wzmacnianie okazałoby się wisienką na tym torcie”. Innymi słowy w uczeniu nienadzorowanym istnieje olbrzymi potencjał, w który dopiero zaczęliśmy się wgryzać.
Załóżmy, że chcesz stworzyć system wykonujący po kilka zdjęć każdego elementu sunącego ...
Get Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
