Învățarea supervizată
Cel mai folosit tip de Machine Learning este învățarea supervizată: îi arăți modelului exemple pentru care știi deja răspunsul corect, iar el învață legătura dintre intrare și răspuns. Aproape toate modelele din primele module ale cursului sunt supervizate.
Cum arată datele etichetate în Python
Un mod simplu de a ține exemplele este o listă de dicționare. Fiecare dicționar are intrarea (text) și eticheta (spam):
emailuri = [
{"text": "Ai câștigat un telefon gratuit!", "spam": True},
{"text": "Ședința de mâine se mută la ora 10", "spam": False},
]
for e in emailuri:
print(e["text"], "->", "spam" if e["spam"] else "normal")Ai câștigat un telefon gratuit! -> spam Ședința de mâine se mută la ora 10 -> normal
Fără etichete nu poți face învățare supervizată. De aceea firmele plătesc oameni să eticheteze date: să marcheze poze, să noteze recenzii, să verifice tranzacții.
Ai 4 emailuri etichetate. Numără câte sunt spam și câte sunt normale.
- Creează lista emailuri cu 4 dicționare, fiecare cu cheile text și spam (True/False); două trebuie să fie spam.
- Numără emailurile spam cu o buclă for.
- Afișează pe un singur rând Spam: 2, Normale: 2.
Soluția exercițiului
emailuri = [
{"text": "Ai câștigat 1000 de lei! Apasă aici", "spam": True},
{"text": "Factura ta pentru luna mai", "spam": False},
{"text": "Credit rapid fără acte, gratuit", "spam": True},
{"text": "Poze de la excursie", "spam": False},
]
spam = 0
for e in emailuri:
if e["spam"]:
spam += 1
normale = len(emailuri) - spam
print(f"Spam: {spam}, Normale: {normale}") Vrei să afli mai mult?Ca un profesor care corectează · Cine pune etichetele? · Numărarea etichetelor · Greșeli frecvente · Exemple reale de învățare supervizată
Ca un profesor care corectează
„Supervizat” vine de la ideea de supraveghere: fiecare exemplu vine cu răspunsul corect, ca un exercițiu rezolvat din culegere. Modelul se uită la mii de astfel de exemple și învață să dea singur răspunsul pentru exemple noi.
Răspunsul corect al unui exemplu se numește etichetă (în engleză *label*). Datele cu etichete se numesc date etichetate.
| Exemplu (intrare) | Etichetă (răspunsul corect) |
|---|---|
| textul unui email | spam / normal |
| suprafața, camerele, etajul unui apartament | prețul în euro |
| o poză cu o cifră scrisă de mână | cifra 0–9 |
| istoricul unui client al băncii | a returnat creditul: da / nu |
Cine pune etichetele?
- Utilizatorii: când apeși „Raportează spam”, tocmai ai etichetat un exemplu.
- Istoria: prețul la care s-a vândut un apartament e eticheta lui, aflată după vânzare.
- Experții: medicii marchează radiografiile, juriștii marchează contractele.
- Echipe de etichetare: oameni plătiți să adnoteze mii de exemple, de exemplu pentru mașinile autonome.
Numărarea etichetelor
Primul lucru pe care îl faci cu un set de date etichetat este să vezi câte exemple ai din fiecare clasă. Dacă 99% din emailuri sunt normale, modelul va avea foarte puține exemple de spam din care să învețe.
etichete = [True, False, False, True, False]
spam = 0
for e in etichete:
if e:
spam += 1
print("Spam:", spam)
print("Normale:", len(etichete) - spam)Spam: 2 Normale: 3
Poți scrie și mai scurt: sum(etichete) numără valorile True, pentru că în Python True valorează 1 și False valorează 0.
Greșeli frecvente
- Etichete greșite: dacă jumătate din emailurile marcate „spam” sunt de fapt normale, modelul învață greșit. Calitatea etichetelor contează cât calitatea modelului.
- Etichete care „trișează”: o coloană care conține indirect răspunsul (de exemplu „dosar trimis la recuperări” când prezici dacă un credit nu e plătit) face modelul să pară perfect, dar nu ajută în realitate.
- Prea puține exemple dintr-o clasă: verifică mereu câte exemple ai din fiecare etichetă.
Exemple reale de învățare supervizată
Intrare: textul mesajului. Etichetă: spam sau normal.
Intrare: venit, vechime, datorii. Etichetă: a plătit sau nu.
Intrare: suprafață, zonă, an. Etichetă: prețul de vânzare.
Intrare: analize și imagini. Etichetă: diagnosticul pus de medic.
