सुपरवाइज्ड लर्निंग क्या है? शुरुआती लोगों के लिए सरल व्याख्या

Updated · By Viviai

सुपरवाइज्ड लर्निंग (पर्यवेक्षित अधिगम) मशीन लर्निंग की एक विधि है जिसमें मॉडल को लेबल किए गए उदाहरणों पर प्रशिक्षित किया जाता है, यानी हर इनपुट के साथ उसका सही उत्तर भी दिया होता है, जिससे वह नए इनपुट को सही आउटपुट से जोड़ना सीखता है। "सुपरवाइज्ड" शब्द का अर्थ है कि लेबल वाला डेटा एक शिक्षक की तरह मॉडल का मार्गदर्शन करता है, जैसे कोई छात्र उत्तर वाली पुरानी परीक्षाओं से सीखता है।

सरल भाषा में

मान लें आप मॉडल को बिल्ली और कुत्ते में अंतर सिखाना चाहते हैं। आप कई तस्वीरें देते हैं, हर एक पर "बिल्ली" या "कुत्ता" का टैग होता है। यह अपने अनुमान की टैग से तुलना करता है, गलत होने पर सुधारता है, और धीरे-धीरे अंतर समझने लगता है। पर्याप्त उदाहरणों के बाद यह किसी नई तस्वीर पर सही लेबल लगा सकता है।

यह कैसे काम करता है

  1. लेबल वाला प्रशिक्षण डेटा एकत्र करें, जहाँ हर उदाहरण इनपुट और सही उत्तर का जोड़ा हो।
  2. डेटा मॉडल को दें और भविष्यवाणी करने दें।
  3. भविष्यवाणी और सही लेबल के बीच अंतर मापें।
  4. उस अंतर को घटाने के लिए मॉडल की सेटिंग समायोजित करें।
  5. कई बार दोहराएँ, फिर अनदेखे डेटा पर जाँच करें।

दो मुख्य प्रकार

प्रकार यह क्या भविष्यवाणी करता है उदाहरण
वर्गीकरण (classification) कोई श्रेणी या लेबल स्पैम बनाम सामान्य ईमेल
रिग्रेशन (regression) एक निरंतर संख्या मकान की कीमत का अनुमान

वर्गीकरण इनपुट को अलग श्रेणियों में बाँटता है, जबकि रिग्रेशन किसी सीमा पर मात्रा का अनुमान लगाता है, जैसे तापमान या बिक्री।

सामान्य एल्गोरिदम

उपयोग कहाँ होता है

सीमाएँ

सुपरवाइज्ड लर्निंग लेबल वाले डेटा पर निर्भर करती है, जिसे तैयार करना महँगा और समय लेने वाला हो सकता है। यदि लेबल में गलती हो या डेटा पक्षपाती हो, तो मॉडल वे समस्याएँ भी सीखता है। यह ओवरफिटिंग भी कर सकता है, यानी प्रशिक्षण डेटा पर अच्छा लेकिन नए डेटा पर कमजोर प्रदर्शन। परिणाम पैटर्न पर आधारित भविष्यवाणी है, निश्चितता नहीं।

FAQ

लेबल वाले डेटा का क्या अर्थ है?

ऐसा डेटा जिसमें हर उदाहरण के साथ उसका सही उत्तर जुड़ा हो, जैसे किसी तस्वीर पर उसमें दिखने वाली वस्तु का टैग।

यह अनसुपरवाइज्ड लर्निंग से कैसे अलग है?

सुपरवाइज्ड लर्निंग सही उत्तर वाले लेबल इस्तेमाल करती है; अनसुपरवाइज्ड लर्निंग बिना लेबल के छिपी संरचना या समूह खोजती है।

इसे सुपरवाइज्ड क्यों कहते हैं?

क्योंकि लेबल किए गए आउटपुट एक पर्यवेक्षक की तरह मॉडल को बताते हैं कि उत्तर सही है या गलत।

क्या सुपरवाइज्ड मॉडल गलत हो सकता है?

हाँ। खराब लेबल, पक्षपाती डेटा या ओवरफिटिंग से गलती हो सकती है, इसलिए महत्वपूर्ण स्थितियों में जाँच जरूरी है।

मुख्य बातें

आगे पढ़ें neural network kya hai और fine-tuning kya hai।

Sources

  1. https://testbook.com/objective-questions/hn/mcq-on-artificial-intelligence--5eea6a0e39140f30f369e51f
  2. https://www.ibm.com/topics/supervised-learning
  3. https://r-iti.com/category/ccc-mcq/

Learn by doing

Read a guide, then practice with bite-sized AI lessons you can take offline.

Start learning free