감독 분석을 사용하여 예측 모델을 교육하는 방법 - 감독 분석에서 인과 선호 모두 인형

감독 분석에서 선호 출력은 학습 데이터의 일부입니다. 예측 분석 모델은 학습 과정의 일부로 올바른 결과를 제공받습니다. 이러한 감독 학습은 사전 분류 된 예를 가정합니다. 목표는 이전에 알려진 분류에서 모델을 습득하여 학습 한 내용을 기반으로 다음 미지의 데이터 요소에 올바르게 레이블을 붙일 수 있도록하는 것입니다.

모델의 교육이 완료되면 교육 데이터를 검토하여 수학 함수를 추정합니다. 이 함수는 새 데이터 요소에 레이블을 지정하는 데 사용됩니다.

이 접근 방식이 올바르게 작동하려면 교육 데이터와 테스트 데이터를 신중하게 선택해야합니다. 훈련 된 모델은 모델이 학습 데이터에서 보았던 데이터 유형을 기반으로 새로운 데이터 요소에 대한 정확한 레이블을 신속하고 정확하게 예측할 수 있어야합니다.

감독 분석은 몇 가지 분명한 이점을 제공합니다.

• 분석가가 프로세스를 담당합니다.

• 분류는 알려진 분류에 기초한다.

• 라벨링 오류를 쉽게 해결할 수 있습니다.

이러한 장점의 장점은 다음과 같은 잠재적 단점도 있습니다.

• 교육 단계에서의 실수는 나중에 강화됩니다.

• 모델이 원래의 학습 세트에서 벗어난 클래스를 감지하지 못할 수 있습니다.

• 데이터 내의 클러스터가 겹치지 않고 쉽게 분리 될 수 있다는 가정은 유효하지 않을 수 있습니다.