Supervised learning is the machine

Supervised learning is the machine learning task of inferring a function from labeled training data.[1] The training data consist of a set of training examples. In supervised learning, each example is a pair consisting of an input object (typically a vector) and a desired output value (also called the supervisory signal). A supervised learning algorithm analyzes the training data and produces an inferred function, which can be used for mapping new examples. An optimal scenario will allow for the algorithm to correctly determine the class labels for unseen instances. This requires the learning algorithm to generalize from the training data to unseen situations in a "reasonable" way (see inductive bias).

ผลลัพธ์ (ไทย) 1:

ดูแลการเรียนรู้เป็นเครื่องเรียนรู้งานบรรยายฟังก์ชันจากข้อมูลการฝึกอบรมที่มีป้ายชื่อ [1 ข้อมูลการฝึกอบรม]ประกอบด้วยชุดของตัวอย่างการฝึกอบรม ในการเรียนรู้ดูแล แต่ละตัวอย่างเป็นคู่ประกอบด้วยวัตถุเข้า (มักจะเป็นเวกเตอร์) และค่าผลลัพธ์ที่ต้องการ (เรียกว่าสัญญาณกำกับ) ขั้นตอนการดูแลการเรียนรู้การวิเคราะห์ข้อมูลการฝึกอบรม และมีฟังก์ชันสรุป ซึ่งสามารถใช้สำหรับการแมปตัวอย่างใหม่ สถานการณ์เหมาะสมจะช่วยให้สำหรับอัลกอริทึมเพื่อกำหนดป้ายชื่อคลาสสำหรับอินสแตนซ์ที่มองไม่เห็นอย่างถูกต้อง ต้องการเรียนรู้ขั้นตอนวิธีการทั่วไปจากข้อมูลการฝึกอบรมกับสถานการณ์เป็นเพื่อนในทางที่ "เหมาะสม" (ดูเหนี่ยวนำอคติ)

ผลลัพธ์ (ไทย) 2:

การเรียนรู้ภายใต้การดูแลเป็นงานการเรียนรู้เครื่องของฟังก์ชั่นการอนุมานจากข้อมูลการฝึกอบรมที่มีป้ายกำกับ. [1] ข้อมูลการฝึกอบรมประกอบด้วยชุดของตัวอย่างการฝึกอบรม ในการเรียนรู้ภายใต้การดูแลตัวอย่างแต่ละคนเป็นคู่ที่ประกอบด้วยวัตถุอินพุท (โดยปกติจะเป็นเวกเตอร์) และมูลค่าการส่งออกที่ต้องการ (เรียกว่าสัญญาณการกำกับดูแล) ขั้นตอนวิธีการเรียนรู้ภายใต้การดูแลวิเคราะห์ข้อมูลการฝึกอบรมและก่อให้เกิดการทำงานที่อนุมานซึ่งสามารถนำมาใช้สำหรับการทำแผนที่ตัวอย่างใหม่ สถานการณ์ที่เหมาะสมจะช่วยให้ขั้นตอนวิธีการในการกำหนดฉลากชั้นเรียนสำหรับกรณีที่มองไม่เห็นได้อย่างถูกต้อง นี้ต้องใช้ขั้นตอนวิธีการเรียนรู้ที่จะพูดคุยได้จากข้อมูลการฝึกอบรมเพื่อสถานการณ์ที่มองไม่เห็นในทางที่ "สมเหตุสมผล" (ดูอคติอุปนัย)

ผลลัพธ์ (ไทย) 3:

เรียนรู้การเป็นเครื่องเรียนรู้งานของการเป็นฟังก์ชันจากป้ายข้อมูลการฝึกอบรม [ 1 ] การอบรมข้อมูล ประกอบด้วยชุดของตัวอย่างการฝึกอบรม ในการเรียนรู้แบบ Supervised Learning แต่ละตัวอย่างเป็นคู่ประกอบด้วยข้อมูลวัตถุ ( มักจะเป็นเวกเตอร์ ) และต้องการแสดงผลค่า ( เรียกว่าสัญญาณนิเทศ ) อัลกอริทึมการเรียนรู้วิเคราะห์ข้อมูลภายใต้การดูแล อบรม และผลิตได้ฟังก์ชันซึ่งสามารถใช้สำหรับแมปตัวอย่างใหม่ สถานการณ์ที่เหมาะสมจะช่วยให้วิธีการอย่างถูกต้องตรวจสอบป้ายชื่อสำหรับอินสแตนซ์ ชั้นมองไม่เห็น นี้ต้องใช้ขั้นตอนวิธีการเรียนรู้การอนุมานจากข้อมูลการฝึกอบรมสถานการณ์ที่มองไม่เห็นใน " เหมาะสม " ( เห็นความลำเอียงเชิงอุปนัย )