نوع دیگر دسته‌بندی یادگیری ماشین بر اساس خروجی آن است. در روش دسته‌بندی، (معمولا در یادگیری نظارتی) ورودی به دو بخش یا بیشتر تقسیم می‌شوند. برای مثال در مورد ایمیل‌ها، به دو گروه اسپم و غیر اسپم. در رگرسیون، ما خروجی‌های مقادیر پیوسته را پیشبینی میکنیم. برای مثال، پیشبینی قیمت خانه یا ارزش سهام. در روش خوشه‌بندی، ورودی‌ها به گروه‌های مختلف تقسیم می‌شوند که در خلاف روش دسته‌بندی، این گروه‌ها برچسبی ندارند و ناشناخته می‌باشند که جزو یادگیری بدون ناظر به شمار می‌آیند. در روش تخمین تراکم، پراکنش ورودی‌ها را پیدا میکند. برای مثال، از روی نتایج آزمایش دیابت تعدادی از مردم، می‌تواند پراکنش آن را در کل جمعیت تخمین زد. در روش کاهش ابعاد، ورودی‌ها را به ابعاد پایین‌تر ساده می‌شوند.
Comments
Post a Comment