«Տրանսդուկտիվ ուսուցում»–ի խմբագրումների տարբերություն
Content deleted Content added
անաղբյուր հոդված |
Աղբյուրները պետք է լինեն ծանոթագրությունների տեսքով |
||
Տող 2.
Տրանսդուկտիվ ուսուցում (անգլերեն transductive learning) - կիսահսկվող ուսուցում (մասնակի ուսուցում) կամ ուսուցում ուսուցչի մասնակի ներգրավմամբ, երբ կանխատեսումը ենթադրվում է միայն թեստի նմուշի նախադեպերի համար:
===
Transduction կամ transductive ուսուցումն օգտագործվում է վիճակագրական ուսուցման տեսության ոլորտում `վկայակոչելով որոշակի օրինակներ, որոնք տրված են որոշակի տիրույթի օրինակներից: Այն հակադրվում է ուսուցման այլ տեսակների հետ, ինչպիսիք են ինդուկտիվ և դեդուկտիվ ուսուցումը:
Տող 9.
Տարբերությունն ամենահետաքրքիրն է այն դեպքերում, երբ տրանսդուկտիվ մոդելի կանխատեսումները անհասանելի են որևէ ինդուկտիվ մոդելի միջոցով:Առաջանում են իրավիճակներ, երբ տարբեր փորձարկման նմուշների վրա փոխարկիչ եզրակացության արդյունքում ստացվում են փոխադարձ հակասական կանխատեսումներ:
===
Փոխակերպումը ներդրեց Վլադիմիր Վապնիկը 1990 -ականներին: Նրա կարծիքով, փոխարկումը գերադասելի է [[Ինդուկցիա|ինդուկցիայից]], քանի որ ինդուկցիան պահանջում է ավելի ընդհանուր խնդրի լուծում (գործառույթի վերականգնում) ավելի կոնկրետ խնդիր լուծելուց առաջ (արդյունքների հաշվարկ նոր դեպքերի համար)։«… հետաքրքրող խնդիրն լուծելիս մի լուծեք ավելի ընդհանրական խնդիր ՝ որպես միջանկյալ քայլ: Փորձեք ստանալ այն պատասխանը, որն իսկապես անհրաժեշտ է, բայց ոչ ավելին »:Ավելի վաղ նմանատիպ դիտարկում էր արել [[Բերտրան Ռասել|Բերտրան Ռասելը]].
«... մենք կգանք այն եզրակացության, որ [[Սոկրատես|Սոկրատեսը]] մահկանացու է ՝ ավելի հստակ մոտեցմամբ, եթե մեր փաստարկը դարձնենք զուտ ինդուկտիվ, քան եթե գնանք« բոլոր մարդիկ մահկանացու են »ճանապարհով և ապա օգտագործենք [[Դեդուկցիա|դեդուկցիան]]<nowiki/>»:
===
Ուսուցման ոչ ինդուկտիվ օրինակ կարողն է լինել երկուական դասակարգման դեպքը, երբ մուտքագրված տվյալները սովորաբար խմբավորված են երկու խմբի։Մասնավորապես թեստային մուտքային տվյալների մեծ փաթեթը կարող է օգնել մի քանի միատարր տարրերի որոնմանը, որոնք դիտարկվում են որպես անկախ միավոր, ապահովելով անհրաժեշտ տեղեկատվություն դասակարգման նշանների վերաբերյալ:Նույն կանխատեսումները չեն բխի մի մոդելից, որն առաջացնում է գործառույթ ՝ հիմնված միայն ուսուցման դեպքերի վրա, ինչը կարող է թվալ կիսահսկվող ուսուցման օրինակ, սակայն Վապնիկի մոտիվացիան այլ էր: Այս կատեգորիայի ալգորիթմի օրինակ է Transductive Support Vector Machine TSVM- ը:Երրորդ պատճառը, որը տանում է դեպի փոխակերպում, առաջանում է մոտարկման, մոտարկման անհրաժեշտությունից: Եթե ճշգրիտ եզրակացությունը հաշվարկային առումով անհնար է, կարելի է փորձել համոզվել, որ պարզեցումները հարմար են կոնկրետ դեպքերի համար:
===
Փոխակերպման [[Ալգորիթմ|ալգորիթմները]] կարող են լայնորեն բաժանվել երկու կատեգորիայի. Նրանք, ովքեր ձգտում են դիսկրետ պիտակներ նշանակել չպիտակավորված կետերին, և նրանք, ովքեր ձգտում են հետընթաց կատարել չպիտակավորված կետերի համար: Ալգորիթմները, որոնք ձգտում են կանխատեսել պիտակները, հակված են ստացվել ՝ կլաստերային ալգորիթմին մասնակի վերահսկողություն ավելացնելով: Ալգորիթմների երկու դաս կարող է օգտագործվել ՝ հարթ կլաստերացում և հիերարխիկ կլաստերացում: Վերջիններս կարող են հետագայում բաժանվել երկու կատեգորիայի ՝ նրանք, որոնք հավաքվում են բաժանման միջոցով և նրանք, որոնք խմբավորվում են ագլոմերացիայի միջոցով:Ալգորիթմները, որոնք ձգտում են կանխատեսել շարունակական պիտակներ, հակված են դառնալու ՝ մասնակի վերահսկողություն ավելացնելով բազմազան ուսուցման ալգորիթմին։
| |||