Định nghĩa của từ unsupervised

unsupervisedadjective

không được giám sát

/ˌʌnˈsuːpəvaɪzd//ˌʌnˈsuːpərvaɪzd/

Từ "unsupervised" có nguồn gốc từ thế kỷ 15. "Un-" là tiền tố có nghĩa là "not" hoặc "đối lập với", và "supervise" là động từ có nghĩa là "xem hoặc chỉ đạo" một cái gì đó hoặc một ai đó. Bản thân thuật ngữ "supervise" bắt nguồn từ tiếng Latin "super", có nghĩa là "ở trên" và "videre", có nghĩa là "nhìn thấy". Từ "unsupervised" lần đầu tiên được sử dụng vào thế kỷ 16 và theo nghĩa đen có nghĩa là "không được giám sát" hoặc "không có khảo sát hoặc chỉ đạo". Ban đầu, nó được sử dụng theo nghĩa rộng hơn để mô tả một cái gì đó không được giám sát hoặc kiểm soát, chẳng hạn như một đứa trẻ không được giám sát hoặc một hoạt động không được giám sát. Theo thời gian, thuật ngữ này đã mang nhiều ý nghĩa cụ thể hơn trong nhiều bối cảnh khác nhau, chẳng hạn như giáo dục (học sinh làm việc độc lập), chăm sóc trẻ em (trẻ em ở một mình) hoặc kinh doanh (hệ thống phần mềm không được giám sát). Mặc dù đã phát triển, nhưng ý nghĩa cốt lõi của "unsupervised" vẫn giữ nguyên: thứ gì đó không được người hoặc cơ quan có thẩm quyền khác giám sát hoặc chỉ đạo.

Tóm Tắt

typetính từ

meaningkhông bị giám sát

namespace
Ví dụ:
  • The clustering algorithm that was used to analyze the data in this study was unsupervised, meaning it did not require prior knowledge or labels to group the data points.

    Thuật toán phân cụ được sử dụng để phân tích dữ liệu trong nghiên cứu này là thuật toán không giám sát, nghĩa là nó không yêu cầu kiến ​​thức hoặc nhãn trước để nhóm các điểm dữ liệu.

  • The neural network that the researcher trained on the image dataset employed unsupervised learning methods, allowing the network to learn patterns and features in the data on its own.

    Mạng nơ-ron mà nhà nghiên cứu đào tạo trên tập dữ liệu hình ảnh sử dụng phương pháp học không giám sát, cho phép mạng tự học các mẫu và đặc điểm trong dữ liệu.

  • The researchers conducted an unsupervised machine learning experiment to identify the underlying structures and relationships in a large, complex dataset without any predefined labels or categories.

    Các nhà nghiên cứu đã tiến hành một thí nghiệm học máy không giám sát để xác định các cấu trúc và mối quan hệ cơ bản trong một tập dữ liệu lớn, phức tạp mà không có bất kỳ nhãn hoặc danh mục nào được xác định trước.

  • In the unsupervised mode, the software tool applies various statistical and probabilistic methods to detect interesting patterns, anomalies, and clusters in the data.

    Ở chế độ không giám sát, công cụ phần mềm áp dụng nhiều phương pháp thống kê và xác suất khác nhau để phát hiện các mẫu, điểm bất thường và cụm thú vị trong dữ liệu.

  • The unsupervised techniques used in this paper provided insights into the distribution and structure of the data, which may aid in future research and hypothesis testing.

    Các kỹ thuật không giám sát được sử dụng trong bài báo này cung cấp thông tin chi tiết về phân phối và cấu trúc của dữ liệu, có thể hỗ trợ cho nghiên cứu trong tương lai và kiểm tra giả thuyết.

  • Since the system was trained unsupervised, it can discover previously unknown patterns and perform more sophisticated and nuanced analyses than supervised algorithms.

    Vì hệ thống được đào tạo không giám sát nên nó có thể phát hiện ra các mẫu chưa biết trước đó và thực hiện các phân tích phức tạp và sắc thái hơn so với các thuật toán có giám sát.

  • In unsupervised learning, the model is left to find the hidden structures and groupings in the data, allowing for the discovery of novel and unexpected relationships.

    Trong học không giám sát, mô hình sẽ tìm các cấu trúc và nhóm ẩn trong dữ liệu, cho phép khám phá các mối quan hệ mới lạ và bất ngờ.

  • During the unsupervised learning process, the model identifies versus and similarities in the input based solely on the underlying patterns and structures.

    Trong quá trình học không giám sát, mô hình xác định sự tương đồng và khác biệt trong dữ liệu đầu vào chỉ dựa trên các mô hình và cấu trúc cơ bản.

  • In this unsupervised application, the model infers the possible presence and types of subgroups in the data based solely on their observed characteristics and relationships.

    Trong ứng dụng không giám sát này, mô hình suy ra sự hiện diện và loại nhóm con có thể có trong dữ liệu chỉ dựa trên các đặc điểm và mối quan hệ được quan sát của chúng.

  • The success and effectiveness of unsupervised learning algorithms rely heavily on the type, size, and complexity of the data, as well as the quality and quantity of the features and variables used in the analysis.

    Sự thành công và hiệu quả của các thuật toán học không giám sát phụ thuộc rất nhiều vào loại, kích thước và độ phức tạp của dữ liệu, cũng như chất lượng và số lượng các tính năng và biến được sử dụng trong phân tích.

Từ, cụm từ liên quan