การเรียนรู้แบบมีผู้สอน (อังกฤษ: supervised learning)เป็นรูปแบบการเรียนรูปแบบหนึ่งของการเรียนรู้ของเครื่องที่จับคู่ระหว่างข้อมูลนำเข้าและข้อมูลส่งออกตามพื้นฐานตัวอย่าง การทำงานอ้างอิงจากข้อมูลสอน (training data) ซึ่งประกอบด้วยชุดข้อมูลตัวอย่าง
การเรียนรู้แบบมีผู้สอนเป็นเทคนิคการเรียนรู้ของเครื่องซึ่งสร้างฟังก์ชันจากข้อมูลสอน (training data) ข้อมูลสอนประกอบด้วยวัตถุเข้า (มักจะเป็น เวกเตอร์) และผลที่ต้องการ ผลจากการเรียนรู้จะเป็นฟังก์ชันที่อาจจะให้ค่าต่อเนื่อง (จะเรียกวิธีการว่า การถดถอย -- regression) หรือ ใช้ทำนายประเภทของวัตถุ (เรียกว่า การแบ่งประเภท -- classification) ภารกิจของเครื่องเรียนรู้แบบมีผู้สอนคือการทำนายค่าของฟังก์ชันจากวัตถุเข้าที่ถูกต้องโดยใช้ตัวอย่างสอนจำนวนน้อย (training examples -- คู่ของข้อมูลเข้าและผลที่เป็นเป้าหมาย) โดยเครื่องเรียนรู้จะต้องวางนัยทั่วไป (generalize) จากข้อมูลที่มีอยู่ไปยังกรณีที่ไม่เคยพบอย่างมีเหตุผล (ดู inductive bias)
การแก้ปัญหาการเรียนรู้แบบมีผู้สอน (เช่น การเรียนรู้เพื่อรู้จำลายมือ) มีขั้นตอนต่าง ๆ ที่ต้องพิจารณา ได้แก่
- กำหนดชนิดของตัวอย่างสอน ก่อนจะเริ่มทำอย่างอื่น จะต้องตัดสินว่าข้อมูลชนิดใดที่จะใช้เป็นตัวอย่าง เช่นในกรณีการรู้จักลายมือ ตัวอย่างอาจจะเป็นตัวอักษรตัวเดียว คำ หรือบรรทัด
- เก็บตัวอย่าง ชุดตัวอย่างสอนจะต้องมีลักษณะเป็นตามที่ใช้จริง ดังนั้นชุดข้อมูลตัวอย่างและผลที่สอดคล้องจะต้องถูกจัดเก็บจากผู้เชี่ยวชาญหรือจากการวัด
- กำหนดวิธีการแทนลักษณะ (feature) ของข้อมูลเข้า ความถูกต้องของฟังก์ชันจะขึ้นอยู่กับการแทนข้อมูลอย่างมาก โดยทั่วไปวัตถุเข้าจะถูกแปลงเป็นเวกเตอร์ของลักษณะ ใช้อธิบายวัตถุที่ต้องการแบ่งประเภท จำนวนลักษณะจะต้องไม่มากจนเกินไป เพราะจะทำให้เกิดปัญหา Curse of dimensionality เนื่องจากมิติที่กว้างเกินไปจนทำให้มีพื้นที่ว่างมากจนเครื่องเรียนรู้ไม่สามารถวางนัยทั่วไปได้ แต่จำนวนลักษณะก็จะต้องมากพอที่จะทำให้สามารถทำนายผลได้แม่นยำ
- กำหนดโครงสร้างของฟังก์ชันที่ต้องการ และขั้นตอนวิธีการเรียนรู้ที่สอดคล้อง เช่น อาจจะต้องเลือกว่าจะใช้ ข่ายงานประสาทเทียม หรือ การเรียนรู้ต้นไม้ตัดสินใจ
- ทำการออกแบบให้สมบูรณ์ แล้วใช้ขั้นตอนวิธีการเรียนรู้กับตัวอย่างที่เก็บมา อาจจะปรับพารามิเตอร์ต่างๆ ของขั้นตอนวิธีให้เหมาะที่สุดโดยใช้ชุดย่อยของชุดตัวอย่าง (เรียกว่า ชุดตรวจสอบ -- validation set) หรือ ใช้การตรวจสอบไขว้ (cross-validation) หลังจากปรับค่าต่างๆ แล้ว อาจจะวัดประสิทธิภาพของขั้นตอนวิธีโดยใช้ชุดทดสอบ (test set) ซึ่งแยกต่างหากจากชุดสอน
อ้างอิง - Stuart J. Russell, Peter Norvig (2010) Artificial Intelligence: A Modern Approach, Third Edition, Prentice Hall ISBN 9780136042594.
- Mehryar Mohri, Afshin Rostamizadeh, Ameet Talwalkar (2012) Foundations of Machine Learning, The MIT Press ISBN 9780262018258.
การเร, ยนร, แบบม, สอน, งกฤษ, supervised, learning, เป, นร, ปแบบการเร, ยนร, ปแบบหน, งของการเร, ยนร, ของเคร, องท, บค, ระหว, างข, อม, ลนำเข, าและข, อม, ลส, งออกตามพ, นฐานต, วอย, าง, การทำงานอ, างอ, งจากข, อม, ลสอน, training, data, งประกอบด, วยช, ดข, อม, ลต, วอย, . kareriynruaebbmiphusxn xngkvs supervised learning epnrupaebbkareriynrupaebbhnungkhxngkareriynrukhxngekhruxngthicbkhurahwangkhxmulnaekhaaelakhxmulsngxxktamphunthantwxyang 1 karthanganxangxingcakkhxmulsxn training data sungprakxbdwychudkhxmultwxyang 2 kareriynruaebbmiphusxnepnethkhnikhkareriynrukhxngekhruxngsungsrangfngkchncakkhxmulsxn training data khxmulsxnprakxbdwywtthuekha mkcaepn ewketxr aelaphlthitxngkar phlcakkareriynrucaepnfngkchnthixaccaihkhatxenuxng caeriykwithikarwa karthdthxy regression hrux ichthanaypraephthkhxngwtthu eriykwa karaebngpraephth classification pharkickhxngekhruxngeriynruaebbmiphusxnkhuxkarthanaykhakhxngfngkchncakwtthuekhathithuktxngodyichtwxyangsxncanwnnxy training examples khukhxngkhxmulekhaaelaphlthiepnepahmay odyekhruxngeriynrucatxngwangnythwip generalize cakkhxmulthimixyuipyngkrnithiimekhyphbxyangmiehtuphl du inductive bias karaekpyhakareriynruaebbmiphusxn echn kareriynruephuxrucalaymux mikhntxntang thitxngphicarna idaek kahndchnidkhxngtwxyangsxn kxncaerimthaxyangxun catxngtdsinwakhxmulchnididthicaichepntwxyang echninkrnikarrucklaymux twxyangxaccaepntwxksrtwediyw kha hruxbrrthd ekbtwxyang chudtwxyangsxncatxngmilksnaepntamthiichcring dngnnchudkhxmultwxyangaelaphlthisxdkhlxngcatxngthukcdekbcakphuechiywchayhruxcakkarwd kahndwithikaraethnlksna feature khxngkhxmulekha khwamthuktxngkhxngfngkchncakhunxyukbkaraethnkhxmulxyangmak odythwipwtthuekhacathukaeplngepnewketxrkhxnglksna ichxthibaywtthuthitxngkaraebngpraephth canwnlksnacatxngimmakcnekinip ephraacathaihekidpyha Curse of dimensionality enuxngcakmitithikwangekinipcnthaihmiphunthiwangmakcnekhruxngeriynruimsamarthwangnythwipid aetcanwnlksnakcatxngmakphxthicathaihsamarththanayphlidaemnya kahndokhrngsrangkhxngfngkchnthitxngkar aelakhntxnwithikareriynruthisxdkhlxng echn xaccatxngeluxkwacaich khaynganprasathethiym hrux kareriynrutnimtdsinic thakarxxkaebbihsmburn aelwichkhntxnwithikareriynrukbtwxyangthiekbma xaccaprbpharamietxrtang khxngkhntxnwithiihehmaathisudodyichchudyxykhxngchudtwxyang eriykwa chudtrwcsxb validation set hrux ichkartrwcsxbikhw cross validation hlngcakprbkhatang aelw xaccawdprasiththiphaphkhxngkhntxnwithiodyichchudthdsxb test set sungaeyktanghakcakchudsxnxangxing aekikh Stuart J Russell Peter Norvig 2010 Artificial Intelligence A Modern Approach Third Edition Prentice Hall ISBN 9780136042594 Mehryar Mohri Afshin Rostamizadeh Ameet Talwalkar 2012 Foundations of Machine Learning The MIT Press ISBN 9780262018258 ekhathungcak https th wikipedia org w index php title kareriynruaebbmiphusxn amp oldid 8922759, wikipedia, วิกิ หนังสือ, หนังสือ, ห้องสมุด,
บทความ
, อ่าน, ดาวน์โหลด, ฟรี, ดาวน์โหลดฟรี, mp3, วิดีโอ, mp4, 3gp, jpg, jpeg, gif, png, รูปภาพ, เพลง, เพลง, หนัง, หนังสือ, เกม, เกม