2. Machine
Learning
Machine learning आर्टिर्िर्ियल इंटेर्लजेंस का एक प्रकार है र्जससे मिीन
अपने experience (अनुभव ं) और data की मदद से अपने-आप सीखता है और
चीज ं क predict करता है।
दू सरे िब् ं में कहें त , “मिीन लर्निंग एक study है ज क
ं प्यूटर ं क खुद से
learn करने की क्षमता प्रदान करता है।”
जैसे हम इन्सान चीज ं क अपने अनुभव से सीखते है वैसे ही मिीन या क
ं प्यूटर
र्िना इन्सान की मदद से खुद से सीखते है। मिीन या क
ं प्यूटर की खुद से learn
करने की ability (कार्िर्लयत) मिीन लर्निंग कहलाती है.
Machine learning का अर्वष्कार 1959 में Arthur Samuel ने र्कया जाता था.
मिीन लर्निंग की मदद से मिीन predictions (भर्वष्यवाणी) करती है और िहुत
ही महत्वपूणि decisions (र्नणिय ं) क लेती है.
4. 1– Regression
ररग्रेिन supervised learning का एक प्रकार है। यह एक ऐसी तकनीक है र्जसका
प्रय ग independent और dependent क
े िीच की ररलेिनर्िप का पता लगाने क
े र्लए
र्कया जाता है।
इसक
े अलावा Regression का उपय ग मिीन लर्निंग में predictive modelling की
र्वर्ि क
े रूप में र्कया जाता है।
Regression भी कई प्रकार क
े ह ते है जैसे Linear Regression, Non-Linear
Regression, Polynomial Regression, Bayesian Linear Regression और
Regression Trees आर्द.
2– Classification
Classification एक तरह का एल्ग ररथ्म है र्जसमें डेटा क categories में organize
(व्यवस्थथत) र्कया जाता है। क्लार्सर्िक
े िन का प्रय ग डेटा क क्लास या ग्रुप में classify
(वगीक
ृ त) करने क
े र्लए र्कया जाता है।
Classification में, डेटा क classify करने क
े र्लए गर्णतीय तकनीक जैसे:-decision
trees, linear programming, तथा neural network आर्द का प्रय ग र्कया जाता है।
Supervised learning
5. उदाहरण क
े लिए – इसका प्रय ग र्कसी क्लास क
े स्टू डेंट्स क उनक
े
grade (average, good, excellent) क
े आिार पर classify (वगीक
ृ त)
कर सकते है।
Advantage Supervised Learning
1- यह मिीन क पुराने इनपुट डेटा क
े आिार पर आउटपुट डेटा की भर्वष्यवाणी
(prediction) करने में मदद करता है।
2- इसमें यूजर क वस्तुओ क
े वगों (classes of objects) क
े िारे में सटीक जानकारी
प्राप्त ह ती है।
3 – supervised Learning model यूजर क वास्तर्वक दुर्नया की समस्याओ जैसे –
ि खािडी का पता लगाने, स्पैम ऱ्िल्टररंग आर्द क सुलझाने में मदद करती है।
Disadvantage Supervised Learning
1.- यह लर्निंग मुस्िल कायो क करने में सक्षम नहीं ह ती।
2- इसमें आउटपुट डेटा की भर्वष्यवाणी करने में कािी समय लगता है.
6. Unsupervised learning
unsupervised learning मिीन लर्निंग एक प्रकार है ज supervised learning
का उल्टा ह ता है। सरल िब् में कहे त “इसमें unlabeled data का इस्तेमाल
मिीन क टरेर्नंग देने क
े र्लए र्कया जाता है.”
यह एक ऐसी learning है र्जसमें machine र्िना र्कसी र्नगरानी (supervision) क
े
चीज ं क सीखती है.
Unsupervised learning का प्रय ग िहुत िडी मात्रा क
े डेटा से उपय गी insights
प्राप्त करने क
े र्लए र्कया जाता है।
Unsupervised learning model मनुष्य की तरह स चने में सक्षम ह ते है, जैसे
मनुष्य की तरह behave (व्यवहार) करना , कायि करना और स चना आर्द .
7. Type Of Unsupervised Learning
इसक
े भी मुख्य रूप से द प्रकार ह ते हैं:-
1- Clustering
Clustering एक ऐसी र्वर्ि (method) ह ती है र्जसमे objects क अलग-अलग समह ं
(groups) में र्वभार्जत र्कया जाता है, इसमें ज objects एक जैसे ह ती है उन्हें एक ग्रुप
में रखा जाता है और ज objects अलग ह ते है उन्हें दुसरे ग्रुप में रखा जाता है।
हमारी सामान्य र्जंदगी में भी clustering का role ह ता है। उदाहरण क
े र्लए र्कसी
restaurant में अलग-अलग प्रकार का food ह ता है और vehicle showroom में
cars, bikes तथा अन्य vehicles ह ती है।
2– Association
Association एक ऐसी तकनीक है ज यह िताता है र्क objects (वस्तुएं ) एक दू सरे से
र्कस प्रकार associate (जुडी) हुई है. Association िडे डेटािेस में variables क
े िीच
ररलेिनर्िप क ख जने की एक िहुत ही प्रर्सद्ध method (र्वर्ि) है।
8. Advantage Unsupervised Learning
1- Supervised learning की तुलना में unsupervised learning अर्िक जर्टल
(complex) कायो क आसानी से पूरा कर सकती है क्य र्क इसक
े पास labeled
data नहीं ह ता है र्जसक
े कारण यह जर्टल कायो क आसानी से पूरा कर पाता है।
2- इसमें यूजर क
े र्लए डेटा क प्राप्त करना कािी आसान ह ता है, क्य र्क लेिल
(labeled) र्कए गए डेटा की तुलना में र्िना लेिल (unlabeled) वाले डेटा प्राप्त
करना कािी आसान ह ता है।
Disadvantage Unsupervised Learning
1- इस लर्निंग में िहुत ज्यादा time लगता है.
2- इसक
े पररणाम (result) सटीक नहीं ह ते, र्जसक
े कारण यूजर क सही
जानकारी प्राप्त नहीं ह ती।
