Học không giám sát là gì

Nôi dung

• Supervised Learning là gì?
  • • Phân loại [Classification]: Một bài toán được phân nhóm classification nếu các nhãn của dữ liệu đầu vào được chia thành một số hữu hạn nhóm. Ví dụ như một vấn đề thuộc nhóm Classification khi biến đầu ra là một danh mục, chẳng hạn như “màu đỏ” hoặc “màu xanh”, “bệnh” hoặc “không bệnh”.
    • Hồi quy [Regression]: Một vấn đề hồi quy là khi biến đầu ra là một giá trị thực cụ thể, chẳng hạn như “đơn vị đô la” hoặc “trọng lượng”.
• Ưu nhược điểm của Supervised Learning
• So sánh Supervised Learning và Unsupervised Learning
• Những thách thức khi tiếp cận phương pháp Supervised Learning

Supervised Learning là gì?

Học có giám sát [Supervised Learning] có sự hiện diện của người giám sát. Supervised Learning là thuật toán nhằm dự đoán đầu ra của một dữ liệu mới trên các cặp [input, outcome] đã biết từ trước. Về cơ bản, dữ liệu đầu vào là dữ liệu đã qua đào tạo máy bằng cách sử dụng dữ liệu được gắn nhãn hoặc cho kết quả rõ ràng.  

Supervised Learning là thuật toán nhằm dự đoán đầu ra của một dữ liệu mới 

Ngược lại với học có giám sát [Supervised Learning] là học không có giám sát [Unsupervised Learning]. Trong cách tiếp cận này, thuật toán được trình bày với dữ liệu không được gắn nhãn và được thiết kế để tự phát hiện các mẫu hoặc điểm tương đồng, một quy trình được mô tả chi tiết hơn bên dưới.

Ngoài ra, mô hình cũng được thông qua sau một quá trình đào tạo và trình bày dưới dạng dữ liệu thử nghiệm. Tại đây, máy được cung cấp một bộ dữ liệu để thuật toán có thể giám sát phân tích dữ liệu đã qua đào tạo và tạo ra kết quả chính xác từ dữ liệu được gắn nhãn. Điều này là cần thiết để đưa ra các dự đoán chính xác hơn. 

Nếu kết quả không đạt hoặc sai, mô hình đào tạo tiếp tục thực hiện đến khi đạt được kết quả mong muốn. Thêm vào đó, các dữ liệu cần được cân bằng và làm sạch thông qua AI, số liệu lúc này cần lấy đủ để tránh sai lệch mô hình.

Học có giám sát giúp giải quyết nhiều loại vấn đề tính toán trong thế giới thực

Học có giám sát được phân thành hai loại thuật toán: 

• Phân loại [Classification]: Một bài toán được phân nhóm classification nếu các nhãn của dữ liệu đầu vào được chia thành một số hữu hạn nhóm. Ví dụ như một vấn đề thuộc nhóm Classification khi biến đầu ra là một danh mục, chẳng hạn như “màu đỏ” hoặc “màu xanh”, “bệnh” hoặc “không bệnh”.

• Hồi quy [Regression]: Một vấn đề hồi quy là khi biến đầu ra là một giá trị thực cụ thể, chẳng hạn như “đơn vị đô la” hoặc “trọng lượng”.

Thuật toán supervised learning còn được tiếp tục chia nhỏ thành:

• Hồi quy tuyến tính
• Hồi quy logistic
• Phân loại
• Naive Bayes Classifier 
• K-nearest neighbors
• Cây quyết định
• Support Vector Machine

Khi sử dụng mô hình Supervised Learning, ta cần chú ý phương sai và độ lệch chuẩn, các số liệu có ý nghĩa thống kê. 

Supervised Learning giúp thu thập dữ liệu đầu vào và tạo dữ liệu đầu ra hiệu quả

Ưu nhược điểm của Supervised Learning

Ưu điểm 

• Supervised Learning hay học có giám sát cho phép thu thập dữ liệu đầu vào và tạo ra dữ liệu đầu ra từ những đào tạo trước đó.
• Giúp tối ưu hóa các tiêu chí với sự trợ giúp của kinh nghiệm đã cài đặt.
• Học có giám sát giúp giải quyết nhiều loại vấn đề tính toán khác nhau trong thế giới thực.

Nhược điểm

• • Phân loại với nguồn dữ liệu lớn có thể là một thách thức.
  • Mô hình cần quyết định trước các cấu trúc và thuật toán học.
  • Mô hình cần nhiều ví dụ hay sử dụng nhiều loại nếu sử dụng thuật toán phân loại.

• Đào tạo cho việc học có giám sát cần nhiều thời gian tính toán.  

Supervised Learning gặp thách thức khi phân loại với nguồn dữ liệu lớn 

So sánh Supervised Learning và Unsupervised Learning

Hồi quy logistic

Phân loại

Naive Bayes Classifier 

K-nearest neighbors

Cây quyết định

Support Vector Machine

Thuật toán Apriori

Những thách thức khi tiếp cận phương pháp Supervised Learning

Mặc dù học có giám sát có thể mang lại cho doanh nghiệp những lợi thế, chẳng hạn như hiểu biết sâu rộng về dữ liệu và cải thiện khả năng tự động hóa, nhưng vẫn còn nhiều thách thức khi xây dựng mô hình Supervised Learning. 

Chuẩn bị và xử lý dữ liệu trước khi đưa vào Supervised Learning còn nhiều khó khăn

Sau đây là những thách thức khi tiếp cận với phương pháp Supervised Learning:

• Tính khả thi của mô hình: phụ thuộc vào tính năng mà bạn muốn hướng tới và những yếu tố khác như số lượng dữ liệu, chi phí tính toán..
• Mô hình học tập có giám sát có thể yêu cầu mức độ chuyên môn nhất định để cấu trúc chính xác.
• Chuẩn bị dữ liệu và xử lý trước khi đưa vào mô hình luôn là một thách thức.
• Đào tạo các mô hình Supervised Learning có thể rất tốn thời gian.
• Tập dữ liệu khi thực hiện bằng máy có thể có khả năng xảy ra lỗi cao hơn việc thực hiện thuật toán hoàn toàn do con người, dẫn đến các thuật toán học không chính xác.
• Không giống như các mô hình học tập không giám sát, học tập có giám sát không thể tự phân cụm hoặc phân loại dữ liệu.

Đào tạo các mô hình Supervised Learning cần tốn thời gian

Bài viết trên đây của Học viện Agile đã cung cấp những thông tin liên quan đến khái niệm Supervised Learning là gì? Hi vọng những thông tin trên giúp bạn có thêm nhiều lựa chọn trong quá trình xử lý số liệu, học tập và làm việc.

=> Tìm hiểu thêm: Khóa học Pragmatic Scrum hành dụng

Related Posts

Project Manager là gì? Agile Project Management như thế nào cho hiệu quả?

Project Manager đóng vai trò chủ trì trong việc lập kế hoạch, thực hiện, giám sát, kiểm soát và kết Read more

Project Manager Job – Công việc của Project Manager là gì? Lộ trình sự nghiệp của Project Manager

Project Manager hay Quản lý dự án là công việc mơ ước với nhiều người. Vậy công việc cụ thể Read more

Software Developer làm công việc gì? Lương của Software Developer tại Việt Nam

Software Developer là gì? Software Developer hay còn gọi là Nhà phát triển phần mềm, đây là những người dựa Read more

Project Manager job description – Mô tả công việc của Project Manager

Nói đến Project Manager, chúng ta đều nghĩ đến đây là công việc đáng mơ ước của rất nhiều người. Read more

Học ban giám sát là gì?

Thế nào là học có giám sát và không giám sát?

Học có giám sát là gì ví dụ?

Supervised learning vs unsupervised learning là gì?