Разница между контролируемым обучением и усиленным обучением
Контролируемое обучение - это концепция машинного обучения, которая означает процесс обучения практике самостоятельного развития функции путем изучения ряда аналогичных примеров. Это процесс изучения обобщенной концепции на нескольких примерах, аналогичных приведенным.
Укрепление обучения также является областью машинного обучения, основанной на концепции поведенческой психологии, которая работает над непосредственным взаимодействием со средой, которая играет ключевую роль в области искусственного интеллекта.
Обучаемое обучение и обучение с подкреплением относится к области машинного обучения, созданной американским специалистом по вычислительной технике Артуром Самуэлем Ли в 1959 году, который является экспертом в области компьютерных игр и искусственного интеллекта.
Машинное обучение является частью компьютерной науки, где возможности программной системы или приложения будут улучшены сами по себе, используя только данные вместо того, чтобы программироваться программистами или программистами.
В машинном обучении производительность или эффективность системы улучшается путем многократного выполнения задач с использованием данных. Машинное обучение также относится к вычислительной технике, статистике, прогнозной аналитике и т. Д.
Давайте разберемся в этом посте в деталях о разнице между контролируемым обучением и усиленным обучением.
Сравнение лицом к лицу между контролируемым обучением и усиленным обучением (Инфографика)
Ниже приведено сравнение 7 лучших результатов обучения с обучением подкреплению
Ключевые различия между контролируемым обучением и обучением с подкреплением
Ниже приведена разница между контролируемым обучением и усиленным обучением
- У контролируемого обучения есть две основные задачи, называемые регрессией и классификацией, в то время как у обучения с подкреплением есть разные задачи, такие как эксплуатация или исследование, процессы принятия решений Маркова, изучение политики, глубокое обучение и изучение ценности.
- Supervised Learning анализирует данные обучения и выдает обобщенную формулу. В обучении с подкреплением базовое подкрепление определяется в процессе принятия решения Марковым.
- В контролируемом обучении каждый пример будет иметь пару входных объектов и выход с желаемыми значениями, в то время как в процессе обучения усилению процесс принятия решения Маркова означает, что агент взаимодействует с окружающей средой дискретными шагами, т. Е. Агент выполняет наблюдение для каждого периода времени «t» и получает вознаграждение за каждое наблюдение и, наконец, цель состоит в том, чтобы собрать как можно больше наград, чтобы сделать больше наблюдений.
- В контролируемом обучении существует разное количество алгоритмов с преимуществами и недостатками, которые соответствуют системным требованиям. В процессе обучения подкреплению процесс принятия решений Марковым обеспечивает математическую основу для моделирования и принятия решений.
- Наиболее используемые алгоритмы обучения как для обучения под наблюдением, так и для обучения с подкреплением - это линейная регрессия, логистическая регрессия, деревья решений, алгоритм Байеса, машины опорных векторов, деревья решений и т. Д., Которые можно применять в различных сценариях.
- В контролируемом обучении цель состоит в том, чтобы выучить общую формулу из приведенных примеров путем анализа заданных входов и выходов функции. В изучении подкрепления цель состоит в том, чтобы управлять такими механизмами, как теория управления, теория игр и т. Д., Например, управлять транспортным средством или играть в игры против другого игрока и т. Д.,
- В контролируемом обучении и вход, и выход будут доступны для принятия решения, когда учащийся будет обучен на многих примерах или данных, приведенных в качестве примера, тогда как в обучении с подкреплением происходит последовательное принятие решения, и следующий вход зависит от решения обучающегося или системы, примеры как игра в шахматы против соперника, роботизированное движение в окружающей среде, теория игр.
- В контролируемом обучении для классификации данных необходима только обобщенная модель, тогда как в обучении с подкреплением учащийся взаимодействует со средой для извлечения выходных данных или принятия решений, при которых один выходной сигнал будет доступен в исходном состоянии и выходных данных. решения.
- Контролируемое обучение означает, что само название говорит о том, что оно находится под строгим надзором, в то время как обучение с подкреплением менее контролируется и зависит от обучающего агента в определении выходных решений, предлагая различные возможные способы достижения наилучшего возможного решения.
- Контролируемое обучение делает предсказание в зависимости от типа класса, тогда как обучение с подкреплением обучается как обучающий агент, где оно работает как система вознаграждения и действия.
- В контролируемом обучении требуется огромное количество данных, чтобы обучить систему прийти к обобщенной формуле, тогда как при обучении с подкреплением система или обучающий агент сами создают данные, взаимодействуя со средой.
- Как контролируемое обучение, так и обучение с подкреплением используются для создания и внедрения некоторых инноваций, таких как роботы, которые отражают поведение человека и работают как человек, и больше взаимодействуют с окружающей средой, что приводит к росту и развитию производительности системы, что приводит к большему технологическому прогрессу и росту.
Сравнительное изучение обучения с обучением в режиме подкрепления
| ОСНОВА ДЛЯ
СРАВНЕНИЕ | Контролируемое обучение | Усиление обучения |
| Определение | Работает с существующими или предоставленными образцами данных или примерами. | Работает над взаимодействием с окружающей средой |
| предпочтение | Предпочитается в обобщенных рабочих механизмах, где требуется выполнение рутинных задач | Предпочитают в области искусственного интеллекта |
| Площадь | Подходит под область машинного обучения | Подходит под область машинного обучения |
| Платформа | Работает с интерактивными программными системами или приложениями | Поддерживает и работает лучше в искусственном интеллекте, где преобладает взаимодействие с человеком |
| всеобщность | Многие проекты с открытым исходным кодом развивают развитие в этой области | Больше полезного в искусственном интеллекте |
| Алгоритм | Существует много алгоритмов использования этого обучения | Ни контролируемые, ни неконтролируемые алгоритмы не используются |
| интеграция | Работает на любой платформе или с любыми приложениями | Работает с любыми аппаратными или программными устройствами |
Вывод
Контролируемое обучение - это область машинного обучения, где анализ обобщенной формулы для программной системы может быть выполнен с использованием данных обучения или примеров, приведенных для системы, это может быть достигнуто только с помощью выборочных данных для обучения системы.
Укрепление обучения имеет обучающий агент, который взаимодействует с окружающей средой, чтобы наблюдать базовое поведение человеческой системы, чтобы достичь поведенческого феномена. Приложения включают в себя теорию управления, исследование операций, теорию игр, теорию информации и т. Д.,
Применения контролируемого обучения и обучения с подкреплением различаются в зависимости от цели или задачи программной системы. Как контролируемое обучение, так и обучение с подкреплением имеют огромные преимущества в области применения в компьютерных науках.
Разработка различных новых алгоритмов приводит к большему развитию и улучшению производительности и росту машинного обучения, что приведет к усовершенствованным методам обучения в контролируемом обучении, а также к обучению с подкреплением.
Рекомендуемая статья
Это было руководство по контролируемому обучению и обучению с подкреплением, их значению, сравнению «голова к голове», основным отличиям, сравнительной таблице и заключению. Вы также можете посмотреть следующие статьи, чтобы узнать больше -
- Data Science vs Software Engineering | Топ 8 полезных сравнений
- Большие данные против Data Science - чем они отличаются?
- 3 лучших карьеры данных для Data Scientist против Data Engineer против Statistician
- 5 самых полезных отличий между наукой о данных и машинным обучением