मशीन लर्निंग के तीन प्रकार
डेटा के साथ बातचीत करने के तरीके के आधार पर मशीन लर्निंग को मोटे तौर पर तीन अलग-अलग श्रेणियों में वर्गीकृत किया गया है।
सुपरवाइज्ड लर्निंग
मॉडल लेबल किए गए डेटा से सीखता है। हम इसे प्रश्न और उत्तर दोनों देते हैं (जैसे, घर की कीमतों की भविष्यवाणी)।
सीखने के सभी तरीके एक जैसे नहीं होते। जिस तरह इंसान क्लासरूम इंस्ट्रक्शन, खोज या ट्रायल-एंड-एरर के जरिए सीखते हैं, मशीन लर्निंग को ट्रेनिंग के दौरान मिलने वाले फीडबैक के आधार पर तीन प्राथमिक श्रेणियों में बांटा गया है: सुपरवाइज्ड लर्निंग, अनसुपरवाइज्ड लर्निंग और रिएनफोर्समेंट लर्निंग। प्रत्येक प्रकार अलग-अलग कार्यों के लिए उपयुक्त है और इसके लिए अलग-अलग डेटा तैयारी की आवश्यकता होती है।
विस्तृत वर्गीकरण
1. सुपरवाइज्ड लर्निंग (Supervised Learning): सबसे सामान्य प्रकार। डेटा में 'जवाब' (लेबल) शामिल होते हैं। श्रेणियों या निरंतर मानों (continuous values) की भविष्यवाणी के लिए उपयोग किया जाता है।
2. अनसुपरवाइज्ड लर्निंग (Unsupervised Learning): कोई लेबल नहीं होते। AI संरचना की खोज करता है। छिपे हुए समूहों को खोजने के लिए उपयोग किया जाता है।
3. रिएनफोर्समेंट लर्निंग (Reinforcement Learning): प्रयोगात्मक शिक्षा। AI अपने कार्यों के परिणामों से सीखता है। रोबोटिक्स और गेमिंग में उपयोग किया जाता है।
