So, here's what I would say.
I would say that the first example of recognizing someone's picture from
a bunch of tagged photographs is definitely a supervised classification example.
This is something that Facebook does all the time when it does
recognition on the photos that you upload there.
Another popular one is recommender systems like Netflix and Pandora.
They look at the stuff that they know that you like already, and they try to
figure out what the features of, of those things are, those movies or those
songs, and it recommends more movies or songs that have similar features to you.
Fraud is probably not an example of supervised classification and
that's because we haven't really defined what a weird-looking transaction is.
We don't have an example of what that might mean.
So there's ways that you could still do this, but
this would be an example of unsupervised learning and
we'll talk about that a little bit more later in the class.
Another thing that's usually unsupervised learning is clustering, so
in this example, we don't know what the types of students are.
We might not even know how many different types we're looking for.
There's still ways that we can approach this problem, but
this isn't an example where you have a big bank of training data where you
already know the correct answer.
فيما يلي ما أود قوله؛
وهو يتعلق بأن المثال الأول الخاص بتمييز صورة شخص ما من بين
.مجموعة من الصور الفوتوغرافية الموسومة بعلامة هو بالتأكيد مثال على تصنيف خاضع للإشراف
ويشبه هذا الأمر ما يفعله Facebook طوال الوقت عندما يتعرف على
.الصور التي يتم تحميلها
.تتمثل الطريقة الشهيرة الأخرى في أنظمة التوصية مثل Netflix وPandora
تطلع الأنظمة على المواد التي يعرفون أنها تعجبك بالفعل، ويعمدون نحو
تحديد ميزات هذه الأشياء أو الأفلام أو
.الأغاني، كما يوصون بالمزيد من الأفلام أو الأغاني التي تتضمن ميزات مشابهة لك
وفي الغالب لا يعد الاحتيال مثالاً على التصنيف الخاضع للإشراف
.وهذا بسبب أننا لم نحدد بعد ماهية المعاملات الغريبة
.وليس لدينا مثال عما قد يعنيه الاحتيال
إذن، ثمة طرق لا يزال بإمكانكم اتباعها للقيام بذلك، ولكن
يمكن أن يكون ذلك مثالاً على التعلم غير الخاضع للإشراف
.وسنتحدث بشأن ذلك بعد قليل في الفصل الدراسي
،والشيء الآخر الذي لا يُعد في الغالب تعلمًا غير خاضع للإشراف هو نظام المجموعات
.فنحن لا نعرف أنواع الطلبة كما في المثال
.نحن أيضًا قد لا نعرف كم عدد الأنواع المختلفة التي نبحث عنها
ولا تزال هناك أساليب يمكننا اتباعها للوصول إلى حل لهذه المشكلة، ولكن
هذا ليس مثالاً تتوفر لكم فيه الكثير من بيانات التدريب حيث تعرفون
.بالفعل الإجابة الصحيحة
私たちの答えはこうです。
最初の問題、タグづけされた写真の集合から誰かを認識するのは、
明らかに"supervised classification"の適用例です。
例えばFacebookなどであなたが写真をアップロードすると、
その写真に対して人の認識処理が行われています。
もう一つのよくある適用例はNedflixやPandoraのようなレコメンドシステムです。
あなたがすでに提供した好みの情報に基づいて、
その特徴を割り出し、
似た特徴を持った映画や音楽をオススメしています。
詐欺は"supervised classification"の適用対象ではありません。
不自然な取引というものを定義できないからです。
定義のないもので事例は作れません。
もしできるとあなたが考えているとしたら、
それは"unsupervised learning"の適用例でしょう。
このクラスの少し後の方でその話もします。
もう一つのよくある"unsupervised learning"の適用例がクラスタリングです。
この問題においては、私たちはどのようなタイプの生徒がいるかわかりません。
さらには何種類のタイプが存在するのかさえ知りません。
それでもなおこの問題に対処するアプローチは存在しますが、
しかし、何れにしてもトレーニングデータをもとに正しい答えがあり
それを適用するという種類のものではありません。
Aqui está o que eu diria.
O primeiro exemplo de reconhecimento da foto de alguém em um grupo
de fotos marcadas é definitivamente uma classificação supervisionada.
O Facebook faz isso o tempo todo ao reconhecer
as fotos carregadas.
Outro popular são os sistemas recomendadores, como Netflix e Pandora.
Eles analisam o que acreditam que você já gosta, tentam entender
as características desses filmes ou músicas e
recomendam mais filmes ou músicas com características semelhantes.
Fraude provavelmente não é um exemplo de classificação supervisionada,
porque ainda não definimos o que é uma transação estranha.
Não temos um exemplo do que isso possa significar.
Há formas de fazer isso, mas esse seria um
um exemplo de aprendizagem não supervisionada, sobre a
qual falaremos posteriormente na aula.
Outro exemplo de aprendizagem não supervisionada é o agrupamento.
Neste exemplo, não sabemos quais são os tipos de alunos.
Talvez não saibamos nem quantos tipos diferentes estamos procurando.
Há formas de lidar com esse problema, mas esse não é um
um exemplo no qual se tem um grande número de dados de treinamento
nos quais já se sabe a resposta correta.
现在我给出我的回答
我认为 从一堆加了标记的照片中
找出某个人 肯定属于监督分类问题
Facebook 就常常使用这个方法 当你把照片上传到 Facebook 时
它会对这些照片进行识别
另一个常见的例子是推荐系统 例如 Netflix 和 Pandora
他们通过分析你喜欢的东西
试图找出这些电影或歌曲的属性
然后向你推荐更多 拥有类似属性的电影或歌曲
但诈骗并不属于监督分类的范畴
这是因为我们并没有给出异常交易的明确定义
我们没有例子来说明它的含义
你可以用其他方法来解决这个问题
但是 这属于非监督学习的例子
我们会在之后的课程中再深入探讨
另一种通常属于非监督学习的是聚类
那在这个例子中 我们不知道学生属于什么类型
我们甚至都不知道一共有多少个类型
我们还有其他方法来解决这个问题
但是在这个例子中
你并没有大量已知晓正确答案的样本数据