En términos generales, consideraremos dos enfoques para analizar y procesar datos: aprendizaje supervisado (con un maestro) y no supervisado (no supervisado). La principal diferencia es que el primero utiliza datos etiquetados para ayudar en el pronóstico, mientras que el segundo no lo hace. Pero ambos enfoques tienen diferencias más sutiles y áreas clave en las que se destacan.
¿Qué es el aprendizaje supervisado?
El aprendizaje supervisado es un enfoque de aprendizaje automático basado en el uso de conjuntos de datos de datos etiquetados. Estos conjuntos de datos se utilizan para crear algoritmos destinados a clasificar datos o predecir resultados con precisión. Usando entradas y salidas etiquetadas, el modelo puede hacer coincidir las entradas y salidas para mayor precisión y entrenar gradualmente.
?
— , :
- — , . , K- , K . , . .
- — , . « ».
- — , , ( ). , . , .
:
. , , — .
«», . , , . , , , . . , , - .
, , . . , , - . , , , .
- . — . , . — . , .
- . , , , . . , , .
- . — , R Python. . , .
- . , . , .
: ?
— . . , . . .
— . , , . , .
: . , - - , , .
: https://www.ibm.com/cloud/blog/supervised-vs-unsupervised-learning