Maskininlärningskoncept

Introduktion till maskininlärning

Lis Sulmont

Curriculum Manager, DataCamp

Tre typer av maskininlärning

$$

1) Förstärkningsinlärning

2) Övervakad inlärning

3) Oövervakad inlärning

Träningsdata

• Träningsdata: befintlig data att lära från
• Träna en modell: när en modell byggs från träningsdata
  • Kan ta nanosekunder till veckor

Träningsdata för övervakad inlärning

Träningsdata för övervakad inlärning

Träningsdata för övervakad inlärning

Träningsdata för övervakad inlärning

Träningsdata för övervakad inlärning

Efter träning (övervakad inlärning)

Efter träning (övervakad inlärning)

Efter träning (övervakad inlärning)

Övervakad vs oövervakad inlärning

• Övervakad inlärning
  • Träningsdata är "etiketterad"
• Oövervakad inlärning
  • Träningsdata har bara särdrag
  • Användbart för:
    • Avvikelsedetektering
    • Klustring, t.ex. dela upp data i grupper

Träningsdata för oövervakad inlärning

Träningsdata för oövervakad inlärning

Efter träning (oövervakad inlärning)

Oövervakad inlärning

• I praktiken saknar data ofta etiketter
  • Kräver manuellt arbete att etikettera
  • Etiketterna är okända
• Utan etiketter: modellen är oövervakad och hittar egna mönster

Nu kör vi en övning!

Introduktion till maskininlärning