övervakad inlärning

Övervakad inlärning

En metod inom maskininlärning där modellen tränas på märkta data, vilket innebär att varje indata har ett motsvarande utdata.

Märkt data

Data som har tilldelats specifika etiketter eller värden. Exempel: I en bildklassificering kan en bild av en katt ha etiketten 'katt'.

Träningsdata

Den del av datasetet som används för att träna modellen. Denna data hjälper modellen att lära sig mönster och samband.

Testdata

Data som inte används under träning, utan för att utvärdera modellens prestanda och generaliseringsförmåga.

Algoritm

En uppsättning regler eller instruktioner som en modell följer för att göra förutsägelser. Exempel: linjär regression, beslutsträd.

Regression

En typ av övervakad inlärning där modellen förutsäger kontinuerliga värden. Exempel: Förutsäga bostadspriser baserat på yta.

Klassificering

En metod för att förutsäga kategoriska utdata. Exempel: Att bestämma om en e-post är skräppost eller inte.

Överfitting

En situation där modellen presterar bra på träningsdata men dåligt på testdata. Det beror på för mycket anpassning till träningsdata.

Underfitting

När modellen inte kan fånga mönster i träningsdata, vilket leder till dålig prestanda både på tränings- och testdata.

Korsvalidering

En teknik för att utvärdera modellen genom att dela upp data i flera delar för både träning och testning, vilket ger en mer robust bedömning.

Precision vs Recall

Precision: Andelen korrekt klassificerade positiva exempel. Recall: Andelen verkliga positiva exempel som korrekt identifierades.

Hyperparametrar

Parametrar som ställs in före träning av modellen, t.ex. inlärningshastighet, antal träd i en beslutsträdmodell.

Förlustfunktion

En funktion som mäter hur bra modellen presterar. Minskar när modellen gör korrekta förutsägelser. Exempel: MSE (medelkvadratfel).

Gradientnedstigning

En optimeringsalgoritm som används för att minimera förlustfunktionen genom att justera modellens parametrar i riktning mot den brantaste nedgången.

Ensemblemetoder

Metoder som kombinerar flera modeller för att förbättra prestanda. Exempel: Random Forest och Boosting.

Feature Engineering

Processen att välja, modifiera eller skapa nya variabler för att förbättra modellens förutsägelseförmåga.

Linjära modeller

Modeller som använder linjära relationer för att förutsäga utfall. Exempel: linjär regression.

Beslutsstödjande träd

Trädstruktur för klassificering och regression. Dela upp data baserat på attribut.

Vad är logistisk regression?

En statistisk metod för binär klassificering som beräknar sannolikheten för ett utfall.

Stödvektormaskiner (SVM)

Algoritm som söker efter den optimala hyperplanet för att separera klasser i datasatsen.

K-nearest neighbors (KNN)

En icke-parametrisk metod som klassificerar datapunkter baserat på deras närmaste grannar.

Överfitting vs underfitting

Överfitting: modellen anpassar sig för mycket till träningsdata. Underfitting: modellen är för enkel.

Vad är en neuronnät?

En modell inspirerad av biologiska neuron som består av hur många lager som helst av noder.

Random Forest

En ensemblemetod som bygger flera beslutsstödjande träd och sammanfogar deras resultat för att förbättra noggrannheten.

Gradient descent

En optimeringsteknik för att minimera kostnadsfunktioner genom att justera parametrar i motsatt riktning av gradienten.

Fill i det tomma: SVM använder _____ för klassgränser.

hyperplan

True or False: KNN är en parametric method.

False. KNN är icke-parametrisk, vilket innebär att den inte gör antaganden om datadistribution.

Vad står PCA för?

Principal Component Analysis, en teknik för dimensionsreduktion som identifierar de viktigaste variablerna.

Naiv Bayes

En probabilistisk klassificeringsmetod som baseras på Bayes teorem och antagandet om oberoende mellan attribut.

Klassificering vs regression

Klassificering: förutsägelse av kategoriska utfall. Regression: förutsägelse av kontinuerliga värden.

Vad är en kostnadsfunktion?

En funktion som mäter hur bra en modell förutsäger utfall genom att jämföra med verkliga värden.

Vad gör linjär regression?

Förutsäger ett kontinuerligt utfall genom att passa en linje till data för att minimera kostnaden.

Hyperparameter

Parametrar som ställs in innan träning av modellen, till exempel inlärningshastighet i neuronnät.

Bagging och Boosting

Bagging: minskar variansen genom att kombinera modeller. Boosting: förbättrar svaga modeller genom att lägga till dem sekventiellt.

Vad är en klassifikationsrapport?

Ett sammanställning av precision, recall och F1-score som används för att mäta modellens prestanda.

Korsvalidering

En metod för att utvärdera en modells prestanda genom att dela upp data i tränings- och testset flera gånger.

Precision

Andelen korrekt klassificerade positiva exempel i förhållande till alla klassificerade positiva exempel.

Vad mäter recall?

Andelen korrekt klassificerade positiva exempel i förhållande till alla faktiska positiva exempel.

F1-score

Harmonisk medelvärde av precision och recall: $\displaystyle F1 = 2 \cdot \frac{precision \cdot recall}{precision + recall}$.

Verklig positiv och negativ

Verklig positiv: korrekt identifierad. Verklig negativ: korrekt avvisad.

Vad betyder AUC?

Area under the curve; mäter modellens förmåga att skilja mellan klasser vid olika trösklar.

Överanpassning vs. underanpassning

Överanpassning: hög noggrannhet på träning, låg på test. Underanpassning: låg noggrannhet på både.

Korsvalidering

Metod för att utvärdera en modell genom att dela upp data i flera delar för träning och test.

True or False: Hög precision garanterar hög recall.

False: Hög precision kan uppnås med låg recall genom att vara selektiv i positiva klassificeringar.

MSE (Mean Squared Error)

Genomsnittlig kvadrat av skillnaden mellan prognoserade och verkliga värden: $\displaystyle MSE = \frac{1}{n} \sum_{i=1}^{n} (y_i - \hat{y}_i)^2$.

Klassificeringsrapport

Sammanfattning av precision, recall och F1-score för varje klass i en modell.

ROC-kurva

Graf som visar förhållandet mellan true positive rate och false positive rate vid olika trösklar.

Fill in the blank: Sensitivitet är synonymt med _____ .

Recall; det mäter också andelen verkliga positiva som korrekt identifieras.

Användning av övervakad inlärning i medicin?

Diagnostik av sjukdomar genom analys av patientdata. - Exempel: klassificering av cancer utifrån bilddata.

Vad är en vanlig tillämpning av övervakad inlärning?

Spamfiltrering i e-postsystem. Algoritmer tränas att känna igen mönster i e-postmeddelanden.

Övervakad inlärning i finanssektorn?

Förutsägelse av aktiepriser. Modeller tränas på historiska prisdata och marknadsindikatorer.

True or False: Övervakad inlärning används för osynliga kluster.

False - Övervakad inlärning kräver märkta data för träning.

Fill the blank: Övervakad inlärning används ofta inom _____ för att klassificera bilder.

Datorseende. Används för att identifiera objekt i bilder.

Jämför: Regression vs. Klassificering.

Regression: Förutsäga kontinuerliga värden. Klassificering: Kategorisera data i diskreta klasser.

Exempel på övervakad inlärning i kundservice?

Chatbotar som använder historisk konversationsdata för att förbättra svar och förståelse.

Hur används övervakad inlärning inom transport?

Förutsäga trafikmönster för att optimera ruttplanering. Exempel: GPS-system.

Vad är en användning av övervakad inlärning i sport?

Analys av prestationer och taktik. Exempel: analys av speldata för fotbollslag.

Dataanalys i marknadsföring?

Övervakad inlärning används för att segmentera kunder och förutsäga köpbeslut.

Användning av övervakad inlärning i utbildning?

Anpassade inlärningssystem som anpassar innehåll baserat på elevens prestationer.

Övervakad inlärning i säkerhet?

Riskbedömning och detektering av bedrägerier genom analys av transaktionsdata.