శిక్షణ డేటా

రచయిత: Roger Morrison
సృష్టి తేదీ: 26 సెప్టెంబర్ 2021
నవీకరణ తేదీ: 21 జూన్ 2024
Anonim
మెషిన్ లెర్నింగ్ ట్యుటోరియల్ పైథాన్ - 7: శిక్షణ మరియు పరీక్ష డేటా
వీడియో: మెషిన్ లెర్నింగ్ ట్యుటోరియల్ పైథాన్ - 7: శిక్షణ మరియు పరీక్ష డేటా

విషయము

నిర్వచనం - శిక్షణ డేటా అంటే ఏమిటి?

యంత్ర అభ్యాస కార్యక్రమాలలో శిక్షణ డేటాను ఉపయోగించాలనే ఆలోచన ఒక సాధారణ భావన, కానీ ఈ సాంకేతికతలు పనిచేసే విధానానికి ఇది చాలా పునాది. శిక్షణ డేటా అనేది అధునాతన ఫలితాలను తెలుసుకోవడానికి మరియు ఉత్పత్తి చేయడానికి న్యూరల్ నెట్‌వర్క్‌ల వంటి సాంకేతిక పరిజ్ఞానాన్ని ఎలా ఉపయోగించాలో అర్థం చేసుకోవడానికి ప్రోగ్రామ్‌కు సహాయపడే డేటా యొక్క ప్రారంభ సమితి. ధ్రువీకరణ మరియు పరీక్షా సెట్లు అని పిలువబడే తదుపరి డేటా సమితుల ద్వారా ఇది సంపూర్ణంగా ఉండవచ్చు.


శిక్షణ డేటాను శిక్షణా సమితి, శిక్షణ డేటాసెట్ లేదా అభ్యాస సమితి అని కూడా అంటారు.

మైక్రోసాఫ్ట్ అజూర్ మరియు మైక్రోసాఫ్ట్ క్లౌడ్‌కు పరిచయం | ఈ గైడ్ మొత్తంలో, క్లౌడ్ కంప్యూటింగ్ అంటే ఏమిటి మరియు క్లౌడ్ నుండి మీ వ్యాపారాన్ని తరలించడానికి మరియు అమలు చేయడానికి మైక్రోసాఫ్ట్ అజూర్ మీకు ఎలా సహాయపడుతుందో మీరు నేర్చుకుంటారు.

టెకోపీడియా శిక్షణ డేటాను వివరిస్తుంది

శిక్షణా సమితి అంటే సమాచారాన్ని ఎలా ప్రాసెస్ చేయాలో కంప్యూటర్ నేర్చుకుంటుంది. మెషీన్ లెర్నింగ్ అల్గోరిథంలను ఉపయోగిస్తుంది - ఇది మెదడులో, వ్యక్తిగత న్యూరాన్లలో, క్రియాశీలతలను ఉత్పత్తి చేయడానికి, మానవ ఇన్పుట్ యొక్క విభిన్న ఇన్పుట్లను తీసుకొని వాటిని బరువుగా ఉంచే సామర్ధ్యాలను అనుకరిస్తుంది. కృత్రిమ న్యూరాన్లు ఈ ప్రక్రియను చాలావరకు సాఫ్ట్‌వేర్ - మెషిన్ లెర్నింగ్ మరియు న్యూరల్ నెట్‌వర్క్ ప్రోగ్రామ్‌లతో ప్రతిబింబిస్తాయి, ఇవి మన మానవ ఆలోచన ప్రక్రియలు ఎలా పనిచేస్తాయో చాలా వివరంగా నమూనాలను అందిస్తాయి.

దీన్ని దృష్టిలో ఉంచుకుని, శిక్షణ డేటాను వివిధ మార్గాల్లో నిర్మించవచ్చు. సీక్వెన్షియల్ డెసిషన్ ట్రీలు మరియు ఆ రకమైన అల్గోరిథంల కోసం, ఇది ముడి లేదా ఆల్ఫాన్యూమరికల్ డేటా సమితిగా ఉంటుంది, అది వర్గీకరించబడుతుంది లేదా అవకతవకలు చేయబడుతుంది. మరోవైపు, ఇమేజ్ ప్రాసెసింగ్ మరియు కంప్యూటర్ దృష్టితో సంబంధం ఉన్న కన్విలేషనల్ న్యూరల్ నెట్‌వర్క్‌ల కోసం, శిక్షణా సమితి తరచుగా పెద్ద సంఖ్యలో చిత్రాలతో కూడి ఉంటుంది. ఆలోచన ఏమిటంటే, మెషీన్ లెర్నింగ్ ప్రోగ్రామ్ చాలా క్లిష్టంగా మరియు అధునాతనంగా ఉన్నందున, ఇది ప్రతి చిత్రాలపై పునరుక్తి శిక్షణను ఉపయోగిస్తుంది, చివరికి లక్షణాలు, ఆకారాలు మరియు వ్యక్తులు లేదా జంతువులు వంటి విషయాలను కూడా గుర్తించగలదు. శిక్షణ డేటా ఈ ప్రక్రియకు ఖచ్చితంగా అవసరం - ఇది వ్యవస్థ పనిచేయడానికి ఉపయోగించే “ఆహారం” గా భావించవచ్చు.