Os métodos baseados em treinamento supervisionado e não-supervisionado são técnicas de aprendizado de máquina. O treinamento supervisionado é um método em que o algoritmo é treinado com um conjunto de dados rotulados, ou seja, o algoritmo é alimentado com dados de entrada e saída esperada. O objetivo é que o algoritmo aprenda a mapear a entrada para a saída correta. Já o treinamento não-supervisionado é um método em que o algoritmo é treinado com um conjunto de dados não rotulados, ou seja, o algoritmo é alimentado com dados de entrada sem saída esperada. O objetivo é que o algoritmo encontre padrões e estruturas nos dados de entrada. As principais diferenças entre os métodos baseados em treinamento supervisionado e não-supervisionado são: - O treinamento supervisionado requer dados rotulados, enquanto o treinamento não-supervisionado não requer dados rotulados. - O treinamento supervisionado é usado para classificação e regressão, enquanto o treinamento não-supervisionado é usado para agrupamento e redução de dimensionalidade. - O treinamento supervisionado é mais preciso, mas requer mais dados rotulados e é mais demorado, enquanto o treinamento não-supervisionado é mais rápido, mas menos preciso.
Para escrever sua resposta aqui, entre ou crie uma conta
Compartilhar