پروسه یادگیری توسط روش های یادگیری ماشین (که شبکه عصبی مصنوعی یکی از اوناس) به دو صورت کلی هستن:
1- یادگیری با ناظر (Supervised) : در این روش داده های ما دارای جواب هم هستن و میتونیم در پروسه یادگیری از اون جوابا استفاده کنیم
2- یادگیری بدون ناظر (Supervised) : در این روش داده های ما دارای اطلاعات اضافی نیستن و پروسه یادگیری کاملا توسط خود ماشین انجام میشه
یه مثال ساده میزنیم که بعدا دوباره میتونیم بررسی و کدنویسی کنیم :
سوال : چگونه می توان با در اختیار داشتن ویژگی های یک گل زنبق، نوع آن گل را تشخیص داد؟؟؟؟؟؟؟؟؟؟؟
جواب : آقای ایریس در سال 1936 میلادی یه تحقیق بر روی گل های زنبق انجام داد و اطلاعات اونا رو یادداشت کرد. ایشون سه نوع گل زنبق رو درنظر گرفت که(برای جلوگیری از پیچیدگی) اونها رو نوع الف، ب و ج مینامیم. بعد از هرنوع پنجاه عدد رو بررسی کرده و اطلاعات زیر رو برای اونا بدقت محاسبه کرد:
1- پهنای گلبرگ
2- طول گلبرگ
3- پهنای کاسبرگ
4- طول کاسبرگ
الان یه پایگاه داده داریم که حاوی 150 سطرو 5 ستون هست،هر سطر متعلق به ویژگی های یکی از گل های بررسی شده هست. ستون یک تا چهار مربوط به چهار ویژگی هست که الان توضیح دادیم و ستون پنجم نوع گل هست(الف، ب یا ج).
ستون پنجم در واقع جواب ما هست که توی یادگیری با ناظر بعنوان جواب به ما کمک میکنه عمل یادگیری رو انجام بدیم
برای مشاهده پایگاه داده فوق میتونین کد زیر رو در متلب وارد کنین :
[left]load fisheriris
[/left]
دوستان تا اینجا رو کسی سوالی داره؟ اگه سوالی هست بپرسین، ضمنا اگه کسی مطالب رو دنبال کنه ادامه میدم وگرنه