φυβλαςのβλογ
บล็อกของ phyblas



ความแตกต่างของการเรียนรู้ของเครื่องแบบมีและไม่มีผู้สอน
เขียนเมื่อ 2017/12/15 00:17
เทคนิคการเรียนรู้ของเครื่องนั้นโดยหลักๆแล้วอาจแบ่งตามลักษณะของข้อมูลที่ป้อนให้โปรแกรมใช้เรียนรู้ได้เป็น
- การเรียนรู้แบบมีผู้สอน (监督式学习, supervised learning)
- การเรียนรู้แบบไม่มีผู้สอน (非监督式学习, unsupervised learning)

นอกจากนี้ยังมีการเรียนรู้แบบเสริมกำลัง (强化学习, reinforcement learning) ซึ่งจริงๆลักษณะจะคล้ายกับการเรียนรู้แบบมีผู้สอน แต่มักจะถูกแบ่งเป็นชนิดแยกไว้ ในที่นี้จะยังไม่ขอพูดถึงในรายละเอียด

พอพูดถึงว่ามีผู้สอนกับไม่มีผู้สอนต่างกันยังไง เราอาจนึกภาพว่ามีผู้สอนก็คือเรียนกับอาจารย์ เอาโจทย์มาให้ทำแล้วบอกว่าข้อนี้ต้องทำอย่างนี้ตอบแบบนี้



ไม่มีผู้สอนคืออ่านโจทย์แล้วคิดเอาเองว่าอะไรคืออะไรแล้วก็เข้าใจเอง



"การสอน" ในที่นี้ก็คือการบอกคำตอบที่ถูกต้องให้นั่นเอง

ในการเรียนรู้แบบมีผู้สอน เราจะป้อนข้อมูลขาเข้า ก็คือตัวแปรต้นต่างๆ พร้อมกับป้อนข้อมูลขาออก ก็คือผลลัพธ์ที่เป็นผลจากตัวแปรต้นนั้นๆ

แบบนี้โปรแกรมก็จะไปเรียนรู้สร้างความเชื่อมโยงว่าถ้าได้ข้อมูลเข้ามาลักษณะแบบนี้จะได้ผลลัพธ์ยังไงออกมา

แต่ในการเรียนรู้แบบไม่มีผู้สอน เราจะป้อนแค่ข้อมูลขาเข้า แต่ไม่ป้อนข้อมูลขาออกให้ โปรแกรมจะทำการหาทางเรียนรู้อะไรบางอย่างจากข้อมูลที่ป้อนเข้าไปนี้เอง

ขอยกตัวอย่างเป็นปัญหาการแบ่งกลุ่ม เช่น ต้องการจะแบ่งว่าสีแบบไหนเป็นสีแดงหรือฟ้าโดยดูจากค่าสี

สมมุติว่ามีลูกปัดจำนวนหนึ่ง มีสีต่างกันไป เมื่อนำมาวาดแผนภาพดูการแจกแจงของค่าสีก็ได้ตามนี้

ในภาพนี้แกนตั้งคือค่าความเข้มสีฟ้า (=เขียวและน้ำเงิน) แกนนอนคือความเข้มสีแดง สีของจุดที่แสดงคือสีตามค่านั้นจริงๆ



พอแบ่งแล้วก็อาจแบ่งได้ในลักษณะประมาณนี้



อนึ่ง ภาพตัวอย่างนี้อาจถูกวาดได้โดยโค้ดไพธอนตามนี้
import numpy as np
import matplotlib.pyplot as plt
X = np.abs(np.random.RandomState(0).normal(0,0.22,[200,2]))
X[100:,0] = -X[100:,0]+1
X[:100,1] = -X[:100,1]+1
for i in [0,1]:
    plt.figure(figsize=[5,5]).gca(aspect=1,xlim=[0,1],ylim=[0,1])
    plt.scatter(X[:,0],X[:,1],c=np.hstack([X,X[:,1:]]),edgecolor='k')
    if(i):
        z = np.hstack([np.ones(100),np.zeros(100)])
        m = np.meshgrid(np.linspace(0,1,100),np.linspace(0,1,100))
        m[0],m[1] = m[0].ravel(),m[1].ravel()
        plt.scatter(m[0],m[1],c=np.vstack([m[0]>m[1],m[1]>m[0],m[1]>m[0]]).T,alpha=0.1,zorder=0)
plt.show()


สำหรับปัญหาการแบ่งกลุ่มแบบนี้ถ้าหากเป็นการเรียนรู้แบบมีผู้สอนเราให้ข้อมูลค่าสีของแต่ละจุด พร้อมกับบอกด้วยว่าจุดนั้นเป็นสีอะไร



จากนั้นโปรแกรมก็จะจำว่าสีประมาณนี้คือสีอะไร



แล้วพอลองให้ดูสีใหม่ที่ไม่เคยเห็นก็จะบอกได้ว่านี่เป็นสีอะไร



แต่ถ้าเป็นการเรียนรู้แบบไม่มีผู้สอนจะให้แค่ข้อมูลค่าสีของแต่ละจุด ไม่ได้บอกว่าจุดนั้นเรียกว่าเป็นสีอะไร แล้วให้โปรแกรมทำการหาความแตกต่างในกลุ่มข้อมูล แล้วแยกข้อมูลเอาเอง



ในที่สุดโปรแกรมจะสามารถแยกได้ว่ากระจุกนี้คือสี 1 กระจุกนี้คือสี 2 แต่ไม่ว่ายังไงก็จะไม่รู้อยู่ดีว่ากระจุกไหนคือเขียวหรือแดง เพราะไม่ได้ให้ข้อมูลไว้ แค่จะรู้แน่ๆว่าสองกลุ่มนี้มันต่างกัน



แล้วพอเราให้ดูสีใหม่ที่ไม่เคยเห็น ก็จะทำนายออกมาว่าเป็นสีในกลุ่มไหนได้ แม้จะไม่รู้ว่ากลุ่มที่แบ่งออกมาได้นี้เรียกว่าเป็นสีอะไร เพราะไม่ได้สอน



เพียงแต่ว่า โดยทั่วไปแล้วงานของการแบ่งกลุ่มแบบไม่มีผู้สอนนั้นมักจะมีเป้าหมายแค่แบ่งกลุ่มข้อมูลที่ใช้เรียนรู้นี้ได้สำเร็จ อาจไม่ได้เอาไปใช้ทำนายกลุ่มข้อมูลอื่นต่อ

ในขณะที่แบบมีผู้สอนนั้น เรารู้อยู่แล้วว่าข้อมูลที่ใช้เรียนรู้นี้จัดอยู่ในกลุ่มไหน เป้าหมายจึงอยู่ที่การสร้างบรรทัดฐานขึ้นเพื่อทำนายว่าข้อมูลอื่นที่ไม่ได้ใช้เรียนรู้นั้นอยู่กลุ่มไหน

ดังนั้นที่จริงแล้วทั้งสองวิธีนี้ต่างกันตั้งแต่จุดประสงค์เป้าหมายการใช้งานแล้ว

และจะเห็นได้ว่าการเรียนรู้แบบไม่มีผู้สอนจะแบ่งกลุ่มได้ลำบากหากข้อมูลมาแบบกระจายสม่ำเสมอต่อเนื่อง เช่นแบบนี้ อาจแยกเป็นกระจุกได้หลายวิธี ไม่มีคำตอบที่ชัดเจนแน่นอน





ตัวอย่างวิธีการแบ่งกลุ่มด้วยการเรียนรู้แบบมีผู้สอนมีมากมายหลายวิธี เช่น
- การถดถอยโลจิสติก (逻辑回归, logistic regression)
- เครื่องเวกเตอร์ค้ำยัน (支持向量机, support vector machine, SVM)
- เพื่อนบ้านใกล้สุด k ตัว (K-近邻算法, k-nearest neighbor, KNN)
- ตัวแบ่งกลุ่มเบย์อย่างง่าย (朴素贝叶斯分类器, naïve Bayes classifier)
- ต้นไม้ตัดสินใจ (决策树, decision tree)
- ป่าสุ่ม (随机森林, random forest)
- ฯลฯ

ส่วนวิธีการแบ่งกลุ่มข้อมูลด้วยการเรียนรู้แบบไม่มีผู้สอนนั้นมีชื่อเรียกว่า การแบ่งกระจุกข้อมูล (聚类分析, data clustering)

ตัวอย่างวิธีการนี้ได้แก่
- การแบ่ง k เฉลี่ย (K-平均算法, k-means)
- การแบ่งเป็นลำดับขั้นแบบจับเป็นกลุ่มก้อน (聚合式阶层演算法, agglomerative hierarchical)
- DBSCAN (Density-based spatial clustering of applications with noise)
- การทำแผนที่โยงก่อร่างตัวเอง (自组织映射, self-organizing map, SOM)
- ฯลฯ



นอกจากนี้แล้วในส่วนของวิธีการจัดการข้อมูลเบื้องต้นเองก็มีการแบ่งเป็นแบบมีผู้สอนกับไม่มีผู้สอนเช่นกัน

แบบไม่มีผู้สอนได้แก่ การวิเคราะห์องค์ประกอบหลัก (主成分分析, principal components analysis, PCA)

แบบมีผู้สอนได้แก่ การวิเคราะห์การจำแนกประเภทเชิงเส้น (线性判别分析, linear discriminant analysis, LDA)



สำหรับรายละเอียดวิธีการต่างๆนั้นส่วนหนึ่งได้มีเขียนแนะนำไว้ อ่านได้ใน https://phyblas.hinaboshi.com/saraban/kanrianrukhongkhrueang



อ้างอิง


-----------------------------------------

囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧囧

ดูสถิติของหน้านี้

หมวดหมู่

-- คอมพิวเตอร์ >> ปัญญาประดิษฐ์
-- คอมพิวเตอร์ >> เขียนโปรแกรม >> python >> numpy
-- คอมพิวเตอร์ >> เขียนโปรแกรม >> python >> matplotlib

ไม่อนุญาตให้นำเนื้อหาของบทความไปลงที่อื่นโดยไม่ได้ขออนุญาตโดยเด็ดขาด หากต้องการนำบางส่วนไปลงสามารถทำได้โดยต้องไม่ใช่การก๊อปแปะแต่ให้เปลี่ยนคำพูดเป็นของตัวเอง หรือไม่ก็เขียนในลักษณะการยกข้อความอ้างอิง และไม่ว่ากรณีไหนก็ตาม ต้องให้เครดิตพร้อมใส่ลิงก์ของทุกบทความที่มีการใช้เนื้อหาเสมอ

สารบัญ

รวมคำแปลวลีเด็ดจากญี่ปุ่น
python
-- numpy
-- matplotlib

-- pandas
-- pytorch
maya
การเรียนรู้ของเครื่อง
-- โครงข่าย
     ประสาทเทียม
บันทึกในญี่ปุ่น
บันทึกในจีน
-- บันทึกในปักกิ่ง
บันทึกในไต้หวัน
บันทึกในยุโรปเหนือ
บันทึกในประเทศอื่นๆ
เรียนภาษาจีน
qiita
บทความอื่นๆ

บทความแบ่งตามหมวด



ติดตามอัปเดตของบล็อกได้ที่แฟนเพจ

  ค้นหาบทความ

  บทความแนะนำ

หลักการเขียนทับศัพท์ภาษาจีนกวางตุ้ง
การใช้ unix shell เบื้องต้น ใน linux และ mac
หลักการเขียนทับศัพท์ภาษาจีนกลาง
g ในภาษาญี่ปุ่นออกเสียง "ก" หรือ "ง" กันแน่
ทำความรู้จักกับปัญญาประดิษฐ์และการเรียนรู้ของเครื่อง
ค้นพบระบบดาวเคราะห์ ๘ ดวง เบื้องหลังความสำเร็จคือปัญญาประดิษฐ์ (AI)
หอดูดาวโบราณปักกิ่ง ตอนที่ ๑: แท่นสังเกตการณ์และสวนดอกไม้
พิพิธภัณฑ์สถาปัตยกรรมโบราณปักกิ่ง
เที่ยวเมืองตานตง ล่องเรือในน่านน้ำเกาหลีเหนือ
บันทึกการเที่ยวสวีเดน 1-12 พ.ค. 2014
แนะนำองค์การวิจัยและพัฒนาการสำรวจอวกาศญี่ปุ่น (JAXA)
เล่าประสบการณ์ค่ายอบรมวิชาการทางดาราศาสตร์โดยโซวเคนได 10 - 16 พ.ย. 2013
ตระเวนเที่ยวตามรอยฉากของอนิเมะในญี่ปุ่น
เที่ยวชมหอดูดาวที่ฐานสังเกตการณ์ซิงหลง
บันทึกการเที่ยวญี่ปุ่นครั้งแรกในชีวิต - ทุกอย่างเริ่มต้นที่สนามบินนานาชาติคันไซ
หลักการเขียนคำทับศัพท์ภาษาญี่ปุ่น
ทำไมจึงไม่ควรเขียนวรรณยุกต์เวลาทับศัพท์ภาษาต่างประเทศ
ทำไมถึงอยากมาเรียนต่อนอก
เหตุผลอะไรที่ต้องใช้ภาษาวิบัติ?

บทความแต่ละเดือน

2019年

1月 2月 3月 4月
5月 6月 7月 8月
9月 10月 11月 12月

2018年

1月 2月 3月 4月
5月 6月 7月 8月
9月 10月 11月 12月

2017年

1月 2月 3月 4月
5月 6月 7月 8月
9月 10月 11月 12月

2016年

1月 2月 3月 4月
5月 6月 7月 8月
9月 10月 11月 12月

2015年

1月 2月 3月 4月
5月 6月 7月 8月
9月 10月 11月 12月

ค้นบทความเก่ากว่านั้น

ไทย

日本語

中文