تعارف:
کمپیوٹر پچھلے ریکارڈز کے پیٹرنز اور الگورتھمز استعمال کر کے سیکھ سکتا اور خود کو ڈھال سکتا ہے۔ واضح ہدایات کے بغیر، آپ کا کمپیوٹر پچھلے ڈیٹا کا تجزیہ اور اس سے استنباط کرتا ہے، اور موجودہ ریکارڈز کی بنیاد پر مستقبل کے نتائج کی پیش گوئی کرتا ہے۔ لیکن ان سپروائزڈ لرننگ میں آپ کو لیبل شدہ ڈیٹا دینے یا مشین کو تربیت دینے کی ضرورت نہیں ہوتی جیسا کہ supervised machine learning میں ہوتا ہے۔
ان سپروائزڈ لرننگ کیا ہے؟
ان سپروائزڈ لرننگ کو ان سپروائزڈ مشین لرننگ بھی کہا جاتا ہے۔ ان سپروائزڈ لرننگ کے ذریعے آپ کو ڈیٹا کی تربیت کی ضرورت نہیں ہوتی۔ مشین کو دیا جانے والا ڈیٹا لیبل شدہ نہیں ہوتا۔ مشین اس بغیر لیبل ڈیٹا سے پیٹرنز اور معلومات کے مختلف حصوں کی خود پیش گوئی کرتی ہے۔ مشین پوشیدہ گروہوں اور حل کے لیے درکار دیگر معلومات کی پیش گوئی کرتی ہے۔[1]
سپروائزڈ لرننگ کی کچھ مثالیں کیا ہیں؟
ان سپروائزڈ لرننگ کی حکمت عملیاں، سپروائزڈ لرننگ کے برعکس، اس وقت موزوں ہوتی ہیں جب متغیرات (یعنی لیبلز) فراہم نہ کیے گئے ہوں۔ K-Means Clustering، Principal Component Analysis اور Hierarchical Clustering ان سپروائزڈ لرننگ کی تکنیکوں کی مثالیں ہیں۔
سپروائزڈ لرننگ کیسے کام کرتی ہے؟
جیسا کہ اوپر بیان ہوا، ان سپروائزڈ لرننگ میں دیا گیا ڈیٹا سیٹ مناسب طور پر لیبل شدہ نہیں ہوتا۔ اس کا مطلب ہے کہ ڈیٹا کی درجہ بندی نہیں کی گئی اور ڈیٹا کو متعلقہ آؤٹ پٹس نہیں دیے گئے۔ مشین خود اپنے آپ کو تربیت دیتی ہے۔ پہلے یہ خام ڈیٹا کی تشریح کر کے ڈیٹا میں پوشیدہ پیٹرنز تلاش کرتی ہے اور اس کے بعد ڈیٹا پر مناسب الگورتھم لاگو کیا جاتا ہے۔ لاگو شدہ الگورتھمز مکمل ہونے کے بعد، ڈیٹا آبجیکٹس کو گروہوں کی مشابہت کے مطابق گروہوں میں تقسیم کیا جاتا ہے۔[2]
ان سپروائزڈ لرننگ کی اقسام کیا ہیں؟
ان سپروائزڈ لرننگ کی درج ذیل اقسام ہیں۔
- کلسٹرنگ
- ایسوسی ایشن
سپروائزڈ لرننگ کے فوائد کیا ہیں؟
- یہ وہ دیکھنے کی صلاحیت رکھتی ہے جو انسانی دماغ نہیں دیکھ سکتا۔
- یہ کاروبار کے لیے اہم پوشیدہ خصوصیات دریافت کرنے کے لیے استعمال ہو رہی ہے اور اس کے متعدد حقیقی استعمالات ہیں۔
- ایک غیر کنٹرول شدہ کام کے نتیجے میں کمپنی کا بالکل نیا حصہ یا کاروبار وجود میں آ سکتا ہے۔
- سپروائزڈ لرننگ کے مسئلے کے مقابلے میں پیچیدگی کم ہوگی۔ چونکہ کسی کو منسلک لیبلز سمجھنے کی ضرورت نہیں ہوتی، اس لیے پیچیدگیاں کم ہو جاتی ہیں۔
- ڈیٹا سیٹ حاصل کرنا کہیں زیادہ آسان ہے۔
سپروائزڈ لرننگ کے نقصانات کیا ہیں؟
- یہ زیادہ مہنگی ہے کیونکہ رجحانات کو سمجھنے اور انہیں ڈومین مہارت سے جوڑنے کے لیے انسانی شمولیت درکار ہو سکتی ہے۔
- چونکہ اس کی افادیت کی تصدیق کے لیے کوئی لیبل یا آؤٹ پٹ میٹرک نہیں ہوتا، اس لیے اکثر یہ یقینی نہیں ہوتا کہ پیدا ہونے والے نتائج مفید ہوں گے۔
- ان سپروائزڈ کام کی نوعیت اور آؤٹ پٹس کی قطعی تعریف نہیں کی جا سکتی۔ یہ ڈیزائن پر، اور نتیجتاً کمپیوٹر پر، بہت زیادہ منحصر ہے۔
- نتائج کی درستگی میں اکثر کمی ہوتی ہے۔
نتیجہ:
ان سپروائزڈ لرننگ مشین لرننگ کا ایک طریقہ ہے جس میں ماڈل کو نگرانی کی ضرورت نہیں ہوتی۔ ان سپروائزڈ مشین لرننگ ڈیٹا میں پہلے سے غیر دریافت شدہ پیٹرنز کی دریافت میں مدد دیتی ہے۔
- Pratt, M.K. unsupervised learning۔ دستیاب ہے: https://www.techtarget.com/searchenterpriseai/definition/unsupervised-learning۔
- Unsupervised Machine Learning۔ دستیاب ہے: https://www.javatpoint.com/unsupervised-machine-learning۔
ان سپروائزڈ لرننگ کے عام کام
- کلسٹرنگ: ملتی جلتی اشیاء کی گروپ بندی، مثلاً مارکیٹنگ کے لیے کسٹمر سیگمنٹس۔ مقبول الگورتھمز: k-means، hierarchical clustering اور DBSCAN۔
- ڈائمینشنلٹی ریڈکشن: ساخت برقرار رکھتے ہوئے بہت سی خصوصیات کو چند میں سمیٹنا، PCA جیسے طریقوں کے ذریعے۔
- ایسوسی ایشن رولز: وہ اشیاء تلاش کرنا جو اکثر ایک ساتھ خریدی جاتی ہیں، جیسا کہ مارکیٹ باسکٹ اینالیسس میں۔
- اینومیلی ڈیٹیکشن: غیر معمولی ٹرانزیکشنز یا سینسر ریڈنگز کی نشاندہی۔
کاروباری مثالیں
ایک ریٹیلر خریداری کے رویے کے مطابق کسٹمرز کو کلسٹر کر کے آفرز تیار کر سکتا ہے، ایک دکان ایسی مصنوعات تلاش کر سکتی ہے جو ساتھ بکتی ہیں تاکہ انہیں ساتھ ساتھ رکھ سکے، اور ایک بینک غیر معمولی کارڈ سرگرمی کی نشاندہی کر سکتا ہے۔ اس طرح کے ریٹیل اینالیٹکس ہماری AI analytics سروس کا حصہ ہیں۔
ان سپروائزڈ بمقابلہ سپروائزڈ لرننگ
سپروائزڈ لرننگ کو لیبل شدہ ڈیٹا درکار ہوتا ہے اور یہ معلوم جواب کی پیش گوئی کرتی ہے؛ ان سپروائزڈ لرننگ میں لیبلز نہیں ہوتے اور یہ پوشیدہ ساخت تلاش کرتی ہے۔ فرق کے لیے supervised learning اور semi-supervised learning پڑھیں۔
فوری جوابات
کیا کلسٹرنگ سپروائزڈ ہے یا ان سپروائزڈ؟
کلسٹرنگ ان سپروائزڈ ہے کیونکہ گروہ دریافت کیے جاتے ہیں، دیے نہیں جاتے۔
