Задача класифікації; навчання з учителем та без учителя

📌 Про що ця тема

Тут перевіряють розуміння базових понять машинного навчання: що таке задача класифікації, чим відрізняється навчання з учителем (supervised) від навчання без учителя (unsupervised). Ключове поняття — модель, яку комп'ютер «навчає» на даних, щоб робити прогнози.

📖 Головне

• Машинне навчання — підхід, за якого програма не отримує готових правил, а виводить їх сама з прикладів (даних).

• Навчання з учителем (supervised) — дані вже позначені: кожен приклад має відому правильну відповідь (мітку). Модель вчиться на парах «ознаки → відповідь».

• Навчання без учителя (unsupervised) — дані БЕЗ міток. Модель сама знаходить структуру, групи, закономірності.

• Задача класифікації — передбачення, до якого з кількох ЗАЗДАЛЕГІДЬ відомих класів належить об'єкт. Відповідь дискретна (категорія): спам/не спам, кіт/собака, хворий/здоровий.

• Класифікація — це навчання З УЧИТЕЛЕМ, бо потрібні приклади з відомими класами.

• Регресія — теж навчання з учителем, але передбачає ЧИСЛО (ціну, температуру), а не категорію. Не плутати з класифікацією.

• Кластеризація — головна задача навчання БЕЗ учителя: об'єднання схожих об'єктів у групи (кластери), кількість і зміст яких наперед невідомі.

• Ознаки (features) — властивості об'єкта, за якими приймається рішення (вік, колір, розмір). Мітка (label) — правильна відповідь.

• Навчальна вибірка — дані для навчання; тестова вибірка — окремі дані для перевірки якості моделі.

• Приклади задач класифікації: розпізнавання образів, фільтрація спаму, визначення тональності тексту.

🔢 Як це працює на прикладі

Задача: відрізнити спам від звичайного листа.

Крок 1. Збираємо листи, де людина вже позначила кожен як «спам» або «не спам» — це мітки, отже навчання з учителем.

Крок 2. Виділяємо ознаки: наявність слів «виграш», «безкоштовно», кількість посилань.

Крок 3. Модель навчається на цих прикладах шукати зв'язок ознак із класом.

Крок 4. Приходить новий лист — модель за його ознаками відносить до класу «спам». Це класифікація (два класи).

Інший приклад (без учителя): маємо покупців магазину без жодних міток. Алгоритм кластеризації сам ділить їх на групи зі схожою поведінкою — це навчання без учителя.

⚠️ Типові помилки

• Плутають класифікацію і регресію: класифікація дає КАТЕГОРІЮ, регресія — ЧИСЛО.

• Вважають кластеризацію класифікацією. Відмінність: у класифікації класи відомі наперед (є мітки), у кластеризації — ні.

• Думають, що навчання без учителя «гірше» чи «без даних». Дані є, просто без правильних відповідей.

• Плутають ознаки й мітку: ознаки — вхід, мітка — відома правильна відповідь.

• Забувають, що для навчання з учителем обов'язково потрібні РОЗМІЧЕНІ дані.

🎯 Що завчити напам'ять

• Класифікація → категорія, з учителем, класи відомі.

• Регресія → число, з учителем.

• Кластеризація → групи, без учителя, класи невідомі.

• З учителем = є мітки; без учителя = немає міток.

🧠 Перевір себе

1. До якого типу навчання належить класифікація?

2. Чим класифікація відрізняється від регресії?

3. Чим кластеризація відрізняється від класифікації?

4. Що таке мітка (label)?

Відповіді: 1 — до навчання з учителем (supervised); 2 — класифікація передбачає категорію (клас), регресія — числове значення; 3 — у класифікації класи відомі наперед (дані розмічені), у кластеризації групи модель знаходить сама без міток; 4 — правильна відома відповідь для прикладу в навчанні з учителем.