我的学徒supervisé是算法的类型机器学习勒+频繁。我使用un jeu de données connu (appelé données d’徒弟)afin d'entraîner un algorithme avec des données d'entrée conues (appelées caractéristiques) et des réponses conues pour réaliser des prédictions。Le jeu de données d' apprentice tissage理解données d'entrée labélisées而sont associées aux valers de sortie ou de réponse souhaitées。从这些数据,认为联合国'algorithme d 'apprentissage监督要寻找的模型在trouvant des les的特性之间的关系数据de出击,然后il做些预测苏尔les值de响应对联合国的新数据库。
Avant de recorir à l' apprentice tissage supervisé，l 'apprentissage非监督Est fréquemment utilisé pour trouver des patterns dans les données d'entrée qui suggèrent des caractéristiques candidate, puis le process d'ingénierie des caractéristiques les transform pour les rendre plus adaptées à l’apprentice tisage supervisé。加上标识符caractéristiques, la réponse correcte ou la catégorie doit être identifiée pour toutes les observations in le jeu de données d' apprentice tisage, une étape nécessitant beaucoup de travail。学徒semi-supervisé permet d'entraîner des modèles avec des données labélisées très limitées，这是关于réduire L’effort de labélisation的。
一个是算法entraîné，另一个是données测试，不是été utilisé，而是généralement utilisé，是prédire算法和有效性的表现。Afin d 'obtenir结果de性能大致比莱斯imperatif游戏数据d 'apprentissage et de测试的数字全部的两个一个女佣表示de la«现实»(即变量的数据de l 'environnement de模型生产等aient高频validees correctement)。
您可以访问entraîner，验证和调整modèles d' apprentice tisage supervisé prédictifs dansMATLAB®用深度学习工具箱™等统计和机器学习工具箱™。
Catégories d'algorithmes d' apprentice tissage supervisé
分类: ces算法:utilisés pour des values de réponse catégorielles, lorsque les données peuvent être séparées en classes spécifiques。modèle分类是双元的，它有两个类，多类的，它有两个。你们可以下载entraîner des modèles分类和应用分类学习者和MATLAB。
Les算法的分类courants的理解:
- 回归logistique
- 万博1manbetx支持向量机(支持向量机)
- Les réseaux de neurones
- La分类naïve Bayésienne
- Les arbres de décision
- 为了分析discriminante
- La méthode des k plus proches voisins (kNN)
- La分类d 'ensemble
回归: ces算法:utilisés pour des values: réponses numériques继续。你们可以在entraîner des modèles des régression中应用回归学习器和MATLAB。
Les algorithmes de régression courants comnent:
- 回归线性
- La régression非linéaire
- 莱斯modèles linéaires généralisés
- Les arbres de décision
- Les réseaux de neurones
- La régression du processus gaussien
- 支持向量机万博1manbetx
- 回归ensembliste
应用d 'apprentissage监督
我的学徒supervisé est utilisé在nombreux域名中是金融服务信用评分，“交易算法和义务分类”，“应用程序和图像分类”vidéos“分类和对象分类”，“应用程序和工业应用程序”détection“données异常”，“维护”prédictive“pour”从durée到équipements的估计， la biologie pour la détection de tummeurs和découverte de médicaments，在le secteur de l'énergie pour la prévision des prix和la负责du网格．
