Trang chủ Thế giới nói gì Supervised Learning và Unsupervised Learning: Khác biệt là gì?

Supervised Learning và Unsupervised Learning: Khác biệt là gì?

Supervised learning (Học có giám sát) và Unsupervised learning (Học không giám sát) là hai trong số những phương pháp kỹ thuật cơ bản của Machine Learning (Học máy). Vậy cụ thể hai phương pháp này là gì và khác nhau như thế nào? 

Supervised Learning là gì?

Cách thức học của mô hình Supervised Learning
Cách thức học của mô hình Supervised Learning. Ảnh: Big Data made simple

Supervised Learning (Học có giám sát) là một nhóm thuật toán sử dụng dữ liệu được gán nhãn nhằm mô hình hóa mối quan hệ giữa biến đầu vào (x) và biến đầu ra (y). Hai nhóm bài toán cơ bản trong học có giám sát là classification (phân loại) và regression (hồi quy), trong đó biến đầu ra của bài toán phân loại có các giá trị rời rạc trong khi biến đầu ra của bài toán hồi quy có các giá trị liên tục. Với Supervised Learning, bên cạnh xây dựng các mô hình mạnh, việc thu thập và gán nhãn dữ liệu tốt và hợp lý cũng đóng vai trò then chốt để giải quyết các bài toán trong thực tế.

Unsupervised Learning là gì?

Cách thức học của mô hình Unsupervised Learning
Cách thức học của mô hình Unsupervised Learning. Ảnh: Big Data made simple

Ngược lại, Unsupervised Learning (Học không giám sát) là một nhóm thuật toán sử dụng dữ liệu không có nhãn. Các thuật toán theo cách tiếp cận này hướng đến việc mô hình hóa được cấu trúc hay thông tin ẩn trong dữ liệu. Hay nói cách khác, sử dụng các phương pháp này thiên về việc mô tả tính chất hay đặc tính của dữ liệu. Thông thường, các thuật toán này dựa trên những thông tin sau:

  • Mối quan hệ tương tự (similarity) giữa các ví dụ (được gọi là instance) trong dữ liệu như trong các thuật toán clustering (phân cụm)
  • Xác suất đồng xuất hiện của các đối tượng như trong Association mining
  • Các phép biến đổi ma trận để trích xuất các đặc trưng như PCA, SVD.

So sánh Supervised Learning và Unsupervised Learning

Những khác biệt cơ bản của phương pháp Supervised Learning và Unsupervised Learning được chỉ ra tại bảng so sánh dưới đây:

Tiêu chíSupervised LearningUnsupervised Learning
Dữ liệu để huấn luyện mô hìnhDữ liệu có nhãnDữ liệu không có nhãn
Cách thức học của mô hìnhMô hình hóa mối quan hệ giữa biến đầu vào và biến đầu raHọc dựa trên các quan hệ tương tự, sự đồng xuất hiện, hay các phép biến đổi ma trận
Thuật toánSupport vector machine, Neural network, Hồi quy tuyến tính, Hồi quy logistics, Random forest và Classification trees.– Các thuật toán clustering như K-mean, DBSCAN, Spectral Clustering, Hierarchical clustering- Apriori (Association Rule Mining)- PCA, SVD
Kết quảĐộ chính xác và tin cậy caoÍt chính xác hơn
Bảng so sánh Supervised Learning và Unsupervised Learning

BÀI MỚI NHẤT

Transformer Neural Network – Mô hình học máy biến đổi thế giới NLP

Năm 2017, Google công bố bài báo “Attention Is All You Need” thông tin về Transformer như tạo ra bước ngoặt mới trong lĩnh...

Dự báo chuỗi thời gian cùng công nghệ Học sâu

Dự báo chuỗi thời gian (Time series forecasting) hiện là lĩnh vực nghiên cứu rất phổ biến. Dễ dàng tìm thấy nhiều loại dữ...

08 khóa học Machine Learning miễn phí

Những khóa học Machine Learning dưới đây đều được triển khai bởi những trường đại học, viện nghiên cứu hay công ty công nghệ...

Các biểu thức chính quy cần thiết (Regex) trong NLP

Khi xử lý văn bản, chúng ta thường mong muốn chuẩn hóa và trích xuất một số thông tin (như số, ngày tháng, v.v.)...

BÀI ĐỌC NHIỀU

Chiến thuật chinh phục các cuộc thi trên Kaggle

Với hơn 5 triệu tài khoản đăng ký, các cuộc thi trên Kaggle là sân chơi quốc tế dành cho cộng đồng trí tuệ...

Giáo sư Vũ Hà Văn được Hiệp hội Toán thống kê thế giới bầu chọn là Hội viên danh dự năm 2020

Với những cống hiến trong lý thuyết xác suất, đặc biệt là lý thuyết ma trận ngẫu nhiên, Giáo sư Vũ Hà Văn –...

Trí tuệ nhân tạo trong ngành thương mại điện tử

Dữ liệu đang trở thành một mặt hàng theo đúng nghĩa đen. Theo Diễn đàn kinh tế Thế giới, 44 zettabyte dữ liệu sẽ...

03 bài toán kinh điển trong Xử lý ngôn ngữ tự nhiên

Các bài toán trong Xử lý ngôn ngữ tự nhiên (NLP) từ cơ bản đến nâng cao bao gồm part-of-speech tagging, chunking, dependency parsing,...