مواد
سوال:
زیر نگرانی ، غیر نگرانی اور نیم نگرانی میں سیکھنے میں کیا فرق ہے؟
A:
مشین لرننگ میں زیر نگرانی اور غیر سروے شدہ سیکھنے کے مابین کلیدی فرق تربیت کے اعداد و شمار کا استعمال ہے۔
نگرانی میں سیکھنے مثال کے اعداد و شمار کا استعمال یہ ظاہر کرنے کے لئے کرتی ہے کہ "درست" ڈیٹا کیسا لگتا ہے۔ اعداد و شمار دیئے گئے آدانوں کی آؤٹ پٹ کو ظاہر کرنے کے لئے تیار کیا گیا ہے۔
ایک مشین لرننگ الگورتھم جو پھلوں کی درجہ بندی کرتی ہے اس میں پھلوں کی تصاویر ہوسکتی ہیں جیسے سیب ، کیلے ، انگور اور نارنج ان پٹ اور ان پھلوں کے نام آؤٹ پٹ۔
اصل دنیا کی مثال یہ ہے کہ پروگراموں میں بایسی اسپیم فلٹرز ہوں۔ ان فلٹرز کو ایسی مثالوں کی تربیت دی جاتی ہے جن کو اسپام سمجھا جاتا ہے۔ اس کے بعد اسپام فلٹر کچھ ایسے جملے تلاش کرسکتا ہے جو ان میں ظاہر ہوتے ہیں جو اسپام میں پائے جاتے ہیں اور انہیں اسپام فولڈر میں منتقل کرسکتے ہیں۔
یہ ایسا ہی ہے جیسے کسی انسان کو ایک نیا کام انجام دینے کا طریقہ دکھائے۔ کسی شخص کو ڈیٹا انٹری کرنے والے کو اس ڈیٹا کی مثالیں دکھایا جاسکتا ہے جس کی شکل میں کمپنی چاہتا ہے اور پھر اس سے اس کی پیروی کی توقع کی جاتی ہے۔
تربیت کے اعداد و شمار کے ساتھ نگرانی سیکھنے کے استعمال سے متعلق مشین سیکھنے کے پروگرام کئی بار دہراتے ہیں۔ جب واقعی یہ ہوتا ہے تو نتائج متاثر کن ہو سکتے ہیں۔ گوگل کا Gmail اسپام فلٹر بہت درست ہے کیونکہ بہت سارے صارفین اسے تربیت فراہم کررہے ہیں۔
غیر سروے شدہ سیکھنے میں تربیت کا کوئی سابقہ ڈیٹا نہیں ہوتا ہے۔ ہمارے پھلوں کی درجہ بندی کی مثال میں ، الگورتھم کو صرف پھل کی تصاویر دکھائی جاسکتی ہیں اور ان کی درجہ بندی کرنے کے لئے کہا جاتا ہے۔
صارفین کی خریداری کی عادات کو سیکھ کر ، یا ہیکنگ کے نمونوں کی نگرانی کرتے ہوئے سیکیورٹی کے ذریعہ مارکیٹ ریسرچ میں غیرسرسائزڈ سیکھنے کے استعمال ہوتے ہیں۔
نیم نگرانی میں سیکھنے میں کچھ ڈیٹا کو لیبل لگا کر درمیانی زمین لینے کی کوشش کی جاتی ہے۔ مثال کے طور پر ، پھل کی درجہ بندی کے پروگرام میں سیب اور سنتری کا لیبل لگایا جاسکتا ہے ، لیکن کیلا اور انگور ایسا نہیں ہے۔
جب ان میں سے کوئی بھی الگورتھم استعمال کریں تو اس کا انحصار ڈیٹا کی قسم پر ہوگا۔ کچھ کاموں میں مستحکم نمونے ہوتے ہیں جیسے کریڈٹ کارڈ فراڈ یا اسپام ایس۔ اس طرح کے کاموں کے لئے زیر نگرانی سیکھنا مناسب ہے۔ نیٹ ورک کے حملے غیر متوقع ہیں ، اور غیر نگرانی یا نیم نگرانی کے سیکھنے کے طریقے زیادہ مناسب ہوسکتے ہیں۔