Supervised vs Unsupervised learning in hindi - मशीन लर्निंग

मशीन लर्निंग (ML) में हम मशीन या कंप्यूटर को प्रशिक्षित करने के लिए विभिन्न तकनीकों का उपयोग करते हैं। उनमें से दो तकनीकें हैं: Supervised और Unsupervised

Supervised और Unsupervised learning के बीच मुख्य अंतर यह है कि supervised शिक्षण में हम "labeled डेटा" का उपयोग करते हैं और unsupervised शिक्षण में हम "unlabeled डेटा" का उपयोग करते हैं।

नीचे आप supervised और unsupervised शिक्षण और उनके अंतर के बारे में विस्तार से जानेंगे।

Supervised learning

Supervised learning का उपयोग तब किया जाता है जब हम इनपुट और संबंधित आउटपुट दोनों को जानते हैं। यह मशीन लर्निंग मॉडल को प्रशिक्षित करने के लिए "named डेटा" या "labeled डेटा" का उपयोग करता है।

Supervised learning में, मशीन पहले इनपुट डेटा को समझती है और उसके बाद एक मॉडल बनाती है जो इनपुट और आउटपुट के बीच संबंध को समझ सकता है। एक बार जब मॉडल डेटा को समझ लेता है तो मशीन नए डेटा सेट के आउटपुट को predict कर सकती है।

इसे Supervised learning इसलिये कहा जाता है क्योंकि इस मशीन लर्निंग तकनीक में कुछ मानवीय क्रियाएं शामिल होती हैं। डेटा वैज्ञानिक "टैग" और "क्लास" की मदद से इनपुट डेटा को सटीक आउटपुट के साथ लेबल करते हैं ताकि मशीन डेटा को आसानी से समझ सके।

Supervised learning की तुलना अक्सर एक ऐसे मानव से की जाती है जो शिक्षक की उपस्थिति में कुछ नया सीखता है। इसका उपयोग Classification और Regression समस्याओं को हल करने के लिए किया जाता है।

Unsupervised learning

जब हमारे पास raw डेटा सेट होता है, तो Unsupervised learning का उपयोग किया जाता है। यहां raw डेटा का अर्थ है "unlabeled" डेटा। इस मशीन लर्निंग तकनीक में हम डेटा सेट में दिए गए डेटा के आउटपुट को नहीं जानते हैं।

Unsupervised learning में, मशीन डेटा सेट में संबंध और पैटर्न ढूंढती है और डेटा का एक cluster बनाती है। clusters की संख्या निर्दिष्ट की जा सकती है।

इसे Unsupervised learning कहा जाता है क्योंकि अनसुपरवाइज्ड मशीन लर्निंग प्रोसेस में मानवीय हस्तक्षेप की आवश्यकता नहीं होती है। मशीन अपने आप सीख सकती है। हम सिर्फ मशीन रॉ-डेटा प्रदान करते हैं।

Unsupervised मशीन लर्निंग का उपयोग करके Clustering और Association की समस्याओं को हल किया जा सकता है। अनसुपरवाइज्ड मशीन लर्निंग आर्टिफिशियल इंटेलिजेंस (AI) के ज्यादा करीब है क्योंकि इसमें मशीन खुद से सीखती है (बिना किसी मानवीय मदद के)।

अब बात करते हैं सुपरवाइज्ड लर्निंग और अनसुपरवाइज्ड लर्निंग के बीच के अंतर के बारे में।

Supervised learning vs Unsupervised learning - अंतर

इन दो मशीन लर्निंग विधियों के बीच मुख्य अंतर सुपरवाइज्ड लर्निंग में लेबल (label) किए गए डेटा का उपयोग है। सुपरवाइज्ड लर्निंग में, हम किसी कार्य के लिए मशीन को प्रशिक्षित करने के लिए अच्छी तरह से लेबल किए गए उच्च गुणवत्ता वाले डेटा का उपयोग करते हैं। दूसरी ओर अनसुपरवाइज्ड लर्निंग में हम मशीन को प्रशिक्षित करने के लिए उच्च गुणवत्ता वाले बिना लेबल वाले डेटा का उपयोग करते हैं।

Supervised learning में, मशीन को डेटा को समझने और मॉडल बनाने में कम प्रयास करना पड़ता है क्योंकि मशीन इनपुट और आउटपुट दोनों को जानती है। लेकिन Unsupervised learning में, मशीन केवल इनपुट जानती है, इसलिए उसे सही आउटपुट जानने और एक मॉडल बनाने के लिए अधिक प्रयास करना पड़ता है।

Supervised और Unsupervised मशीन लर्निंग मॉडल विभिन्न प्रकार की समस्याओं को हल करते हैं। Supervised मॉडल का उपयोग समस्या डेटा को वर्गीकृत करने के लिए किया जाता है, और Unsupervised मॉडल का उपयोग डेटा के क्लस्टर (यानी समान डेटा समूह) बनाने के लिए किया जाता है।

Supervised और Unsupervised शिक्षा के बीच मुख्य अंतर नीचे तालिका में दिया गया है:

Supervised Learning	Unsupervised Learning
Supervised learning एल्गोरिदम को प्रशिक्षित करने के लिए labeled डेटा का उपयोग करता है।	Unsupervised learning एल्गोरिदम को प्रशिक्षित करने के लिए unlabeled डेटा का उपयोग करता है।
Supervised learning का उपयोग Classification और Regression समस्याओं को हल करने के लिए किया जाता है।	Unsupervised learning का उपयोग Clustering और Associations समस्याओं को हल करने के लिए किया जाता है।
Supervised learning में हम इनपुट डेटा और संबंधित आउटपुट डेटा को जानते हैं।	Unsupervised learning में हमारे पास केवल इनपुट डेटा होता है और कोई संबंधित आउटपुट डेटा नहीं होता है।
एक मशीन को प्रशिक्षित करने के लिए Supervised learning को कुछ मानवीय भागीदारी की आवश्यकता होती है।	एक मशीन को प्रशिक्षित करने के लिए Unsupervised learning को मानवीय भागीदारी की आवश्यकता नहीं होती है। मशीन खुद सीखती है।
Supervised learning में, मॉडल एक नए डेटा सेट में डेटा का सही आउटपुट खोजने का प्रयास करता है।	Unsupervised learning में, मॉडल डेटा सेट में छिपे हुए पैटर्न या संबंधों को खोजने की कोशिश करता है।
Supervised learning यह जांचने के लिए प्रतिक्रिया (feedback) लेता है कि इसका अनुमानित आउटपुट सही है या नहीं।	Unsupervised learning प्रतिक्रिया (feedback) नहीं लेता है।
Supervised learning तकनीक अधिक सटीक है।	Unsupervised learning की तकनीक कम सटीक है क्योंकि मशीन आउटपुट नहीं जानती है।
Supervised मशीन लर्निंग अधिक संसाधन गहन है क्योंकि इसमें हमें मशीन को लेबल किए गए डेटा की सरणी (array) प्रदान करनी होती है।	Unsupervised मशीन लर्निंग कम संसाधन गहन है।
Supervised learning में प्रयुक्त एल्गोरिदम हैं: Support Vector Machine (SVM), Linear Regression, Decision tree, Bayesian Logic, etc.	Unsupervised learning में प्रयुक्त एल्गोरिदम हैं: Clustering, KNN, and Apriori algorithm

Supervised vs Unsupervised learning का निष्कर्ष

Supervised learning का उपयोग तब किया जाता है जब हमारे पास labeled डेटा होता है, जबकि Unsupervised learning का उपयोग तब किया जाता है जब हमारे पास unlabeled डेटा होता है।

सुपरवाइज्ड और अनसुपरवाइज्ड मशीन लर्निंग दोनों के अपने फायदे हैं। एक ओर सुपरवाइज्ड मशीन लर्निंग अधिक सटीक है, दूसरी ओर अनसुपरवाइज्ड मशीन लर्निंग कम संसाधनों का उपयोग करती है। इन दोनों में से किसी एक तकनीक का उपयोग आपके डेटासेट की संरचना और मात्रा और समस्या के उपयोग के मामलों पर निर्भर करता है।

मुझे उम्मीद है कि अब आप सुपरवाइज्ड और अनसुपरवाइज्ड मशीन लर्निंग के बीच के अंतर को समझ गए होंगे। यदि आपके कोई प्रश्न हैं तो आप पूछ सकते हैं।

आपको यह पोस्ट पसंद आया?

अगर हाँ तो इसे अपने दोस्तों के साथ या सोशल मीडिया पर शेयर करें, धन्यवाद।