การเรียนรู้แบบมีผู้สอน (Supervised Learning) คืออะไร? คำอธิบายสำหรับมือใหม่

Updated · By Viviai

การเรียนรู้แบบมีผู้สอน (supervised learning) เป็นประเภทหนึ่งของ machine learning ที่ฝึกโมเดลด้วยชุดข้อมูลติดฉลาก โดยข้อมูลนำเข้าแต่ละชุดถูกจับคู่กับคำตอบหรือเป้าหมายที่ถูกต้อง ทำให้โมเดลเรียนรู้การเชื่อมโยงระหว่างข้อมูลนำเข้ากับผลลัพธ์สำหรับข้อมูลใหม่

ฉบับเข้าใจง่าย

ลองนึกถึงหนังสือที่มีโจทย์พร้อมเฉลย คุณฝึกโดยเปรียบเทียบคำตอบของตนกับเฉลย แล้วนำไปทำโจทย์ข้อใหม่ โมเดล supervised ก็เรียนรู้ในลักษณะเดียวกัน

คำศัพท์หลัก

คำศัพท์ ความหมาย
ข้อมูลติดฉลาก ข้อมูลที่มีคำตอบถูกต้องกำกับไว้
คุณลักษณะ สมบัติของข้อมูลนำเข้า
ฉลาก ผลลัพธ์หรือเป้าหมายที่ถูกต้อง
โมเดล สิ่งที่เรียนรู้จากข้อมูล

งานสองแบบหลัก

ขั้นตอนการเรียนรู้

  1. เตรียมข้อมูลติดฉลาก
  2. ให้โมเดลฝึกทำนายผลลัพธ์
  3. เปรียบเทียบคำทำนายกับฉลาก
  4. ปรับโมเดลจนค่าความผิดพลาดลดลง

ตัวอย่างการใช้งาน

ข้อจำกัด

วิธีนี้อาศัยข้อมูลติดฉลากซึ่งมักมีต้นทุนสูงและใช้เวลาจัดทำ อีกทั้งอาจผิดพลาดเมื่อข้อมูลใหม่ต่างจากข้อมูลฝึกมาก ควรตรวจสอบผลลัพธ์แทนที่จะถือว่าถูกต้องโดยอัตโนมัติ

FAQ

ข้อมูลติดฉลากคืออะไร?

ข้อมูลนำเข้าที่จับคู่กับคำตอบหรือเป้าหมายที่ทราบแล้ว

การจำแนกและการถดถอยต่างกันอย่างไร?

การจำแนกทำนายหมวดหมู่ ส่วนการถดถอยทำนายค่าตัวเลข

เหตุใดจึงเรียกว่ามีผู้สอน?

เพราะการเรียนรู้ถูกนำทางโดยฉลากซึ่งทำหน้าที่เหมือนผู้สอน

ต่างจากการเรียนรู้แบบไม่มีผู้สอนอย่างไร?

แบบมีผู้สอนใช้ฉลาก ส่วนแบบไม่มีผู้สอนค้นหาโครงสร้างในข้อมูลที่ไม่มีฉลาก

สรุปใจความสำคัญ

อ่านต่อกับ [การเรียนรู้แบบไม่มีผู้สอนคืออะไร](unsupervised-learning-khue-arai) และ [การเรียนรู้แบบเสริมกำลังคืออะไร](reinforcement-learning-khue-arai)

Sources

  1. http://www.shturl.cc/b97ed15565d3d3d2642a4a7515809f81
  2. http://www.shturl.cc/5b00ae6474ce56377630cbd7a79e1aea
  3. https://www.the-blueprint.ai/api/v1/file/80525489-dc3c-49f2-837d-ba9f38f285bc.pdf

Learn by doing

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

Start learning free