Supervised vs Unsupervised vs RL
Machine learning के तीन प्रकार
Machine learning तीन मुख्य प्रकारों में आता है, हर एक अलग तरीके से सीखता है। Supervised labelled examples से सीखता है, unsupervised unlabelled data में patterns ढूँढता है, और reinforcement rewards के साथ trial and error से सीखता है। अंतर जानना आपको समस्या के लिए सही तरीका चुनने में मदद करता है।
Supervised learning
Model ऐसे data से सीखता है जहाँ हर example के पास पहले से सही जवाब (label) हो।
- कैसे काम करता है: इसे "cat" या "dog" labelled कई photos दिखाइए, और यह उन्हें अलग बताना सीख जाता है।
- दो तरह: classification (category predict करना) और regression (number predict करना)।
- उदाहरण: spam detection, house price prediction, disease diagnosis।
यह सबसे आम प्रकार है क्योंकि labelled data training के दौरान साफ़ feedback देता है।
Unsupervised learning
Model को बिना labels वाला data मिलता है और उसे खुद structure ढूँढनी होती है।
- कैसे काम करता है: इसे customer data दीजिए, और यह बिना बताए मिलते-जुलते customers को साथ group कर देता है।
- मुख्य काम: clustering (groups ढूँढना) और pattern discovery।
- उदाहरण: customer segmentation, news articles grouping, anomaly detection।
यह तब उपयोगी है जब आपके पास बहुत data हो पर जवाब न हों, और आप छिपे patterns खोजना चाहें।
Reinforcement learning
एक agent environment में action करके और rewards या penalties पाकर सीखता है।
- कैसे काम करता है: agent actions आज़माता है; अच्छे reward कमाते हैं, बुरे points खोते हैं। समय के साथ यह सबसे अच्छी strategy सीख जाता है।
- मुख्य विचार: कुल reward बढ़ाने को trial and error से सीखना।
- उदाहरण: game-playing AI, robotics, self-driving car simulations।
कोई fixed answer key नहीं — agent अनुभव से सुधरता है।
त्वरित तुलना
| Type | Data | लक्ष्य | उदाहरण |
|---|---|---|---|
| Supervised | Labelled | जवाब predict | Spam detection |
| Unsupervised | Unlabelled | groups/patterns ढूँढना | Customer segments |
| Reinforcement | Rewards | सबसे अच्छे actions सीखना | Game AI |
कब कौन-सा इस्तेमाल करें
- Labelled data है और predictions चाहिए? → Supervised।
- Unlabelled data है और structure खोजनी है? → Unsupervised।
- Agent को फ़ैसलों की श्रृंखला लेनी है? → Reinforcement।
ज़्यादातर शुरुआती और business projects supervised हैं, क्योंकि labelled data और साफ़ predictions आम ज़रूरत हैं।
आम भ्रम
- यह सोचना कि सारे ML को labels चाहिए। सिर्फ़ supervised को; unsupervised उनके बिना चलता है।
- Clustering को classification से मिलाना। Classification supervised है; clustering unsupervised।
- Reinforcement को आम मानना। यह शक्तिशाली पर विशेष है — ज़्यादातर रोज़ का ML supervised है।
- लक्ष्य को data से मिलाना। Type दोनों पर निर्भर है — कौन-सा data है और क्या हासिल करना है।
सारांश
- Supervised learning: labelled data, जवाब predict करता है (spam, prices)।
- Unsupervised learning: unlabelled data, groups और patterns ढूँढता है।
- Reinforcement learning: agent rewards और penalties से सीखता है।
- अपने data और लक्ष्य से चुनिए।
- शुरुआती के लिए supervised सबसे अच्छा starting point है।
आगे, supervised उदाहरण देखिए spam detection में, या model quality समझिए overfitting और underfitting में।
