Học Có Giám Sát (Supervised Learning) Là Gì? Giải Thích cho Người Mới
Học có giám sát (supervised learning) là một loại machine learning huấn luyện mô hình trên bộ dữ liệu đã gán nhãn, trong đó mỗi đầu vào được ghép với đáp án hoặc mục tiêu đúng, giúp mô hình học cách ánh xạ từ đầu vào sang đầu ra cho dữ liệu mới.
Phiên bản đơn giản
Hãy nghĩ đến một quyển sách gồm đề bài kèm đáp án. Bạn luyện tập bằng cách so sánh lời giải của mình với đáp án, rồi áp dụng cho đề mới. Mô hình supervised học theo cách tương tự.
Thuật ngữ cốt lõi
| Thuật ngữ | Ý nghĩa |
|---|---|
| Dữ liệu gán nhãn | Dữ liệu đã có đáp án đúng |
| Đặc trưng | Thuộc tính của đầu vào |
| Nhãn | Đầu ra hoặc mục tiêu đúng |
| Mô hình | Kết quả học từ dữ liệu |
Hai loại nhiệm vụ chính
- Phân loại dự đoán hạng mục, chẳng hạn thư rác hoặc không.
- Hồi quy dự đoán giá trị số, chẳng hạn mức giá dự kiến.
Cách học diễn ra
- Chuẩn bị dữ liệu gán nhãn.
- Cho mô hình luyện tập dự đoán đầu ra.
- So sánh dự đoán với nhãn.
- Điều chỉnh mô hình đến khi sai số giảm.
Ví dụ ứng dụng
- Lọc email rác
- Dự đoán giá nhà
- Nhận dạng hình ảnh có nhãn
- Đánh giá rủi ro tín dụng
Hạn chế
Phương pháp phụ thuộc vào dữ liệu gán nhãn thường tốn kém và mất thời gian, đồng thời có thể sai khi dữ liệu mới khác xa dữ liệu huấn luyện. Kết quả cần được kiểm tra thay vì mặc định coi là chính xác.
FAQ
Dữ liệu gán nhãn là gì?
Dữ liệu đầu vào được ghép với đáp án hoặc mục tiêu đã biết.
Phân loại và hồi quy khác nhau thế nào?
Phân loại đoán hạng mục, còn hồi quy đoán giá trị số.
Vì sao gọi là có giám sát?
Vì quá trình học được dẫn dắt bởi nhãn, đóng vai trò như người hướng dẫn.
Khác gì với học không giám sát?
Học có giám sát dùng nhãn, còn học không giám sát tìm cấu trúc trên dữ liệu chưa gán nhãn.
Điểm chính
- Học có giám sát học từ cặp đầu vào và nhãn.
- Nhiệm vụ chính là phân loại và hồi quy.
- Nhãn đóng vai trò như đáp án mẫu.
- Việc có dữ liệu gán nhãn là thách thức thực tế.
Tiếp tục đọc học không giám sát là gì và học tăng cường là gì.
Sources
Learn by doing
Read a guide, then practice with bite-sized AI lessons you can take offline.
Start learning free