Bỏ qua đến nội dung chính
Mục lục

Supervised learning: học có giám sát, hồi quy và phân loại

AIDev Team · duyệt: Nguyễn Việt Chung

Bài 2/6 · Chương 1

Bắt đầu với Machine Learning

  • 7 phút
  • Cơ bản
  • Python 3.14
  • Cập nhật

Supervised learning (học có giám sát) là kiểu học máy mà mỗi ví dụ cũ đều kèm đáp án, như số lượt thuê xe của từng ngày đã qua, để model học cách đoán đáp án cho ngày mới. Biết bài toán của bạn thuộc loại nào giúp chọn đúng model ngay từ đầu, trước khi viết dòng code nào.

Cần biết trước: học máy là gì.

Học có giám sát: dữ liệu có cột đáp án

Một trạm xe đạp công cộng ghi lại mỗi ngày nhiệt độ buổi sáng và số lượt thuê. Cột nhiệt độ là feature, cột lượt thuê là label: đáp án mà người vận hành muốn đoán trước cho ngày mai. Bảng có cột label thì bài toán là học có giám sát. Một cách đoán dễ hiểu: tìm ba ngày cũ có nhiệt độ gần ngày mai nhất, rồi lấy trung bình lượt thuê của ba ngày đó:

python
nhiet_do = [19, 22, 24, 25, 27, 29, 31, 33]
luot_thue = [140, 175, 210, 220, 236, 228, 190, 150]

def doan_luot(t, k=3):
    gan = sorted(range(len(nhiet_do)),
                 key=lambda i: abs(nhiet_do[i] - t))[:k]
    return sum(luot_thue[i] for i in gan) / k

print(doan_luot(26))
print(round(doan_luot(32), 1))

KẾT QUẢ

222.0
189.3

Ngày 26 độ giống những ngày 24 tới 27 độ, nên dự đoán gần 222 lượt; ngày 32 độ giống những ngày nắng gắt, ít người đạp xe hơn. Đáp án đoán ra là một số đo, có thể là 222 hay 222,5. Loại học có giám sát này gọi là bài toán hồi quy: label là con số liên tục, và sai lệch được đo bằng khoảng cách tới số thật.

Đổi doan_luot(32) thành doan_luot(20) rồi chạy lại: dòng cuối in 175.0.

Bài toán phân loại: đáp án là một nhóm

Cùng bảng đó, người vận hành chỉ cần biết ngày mai "đông" hay "vắng" để quyết định có điều thêm xe tới trạm. Label lúc này là tên một nhóm. Ba ngày gần nhất bỏ phiếu, nhóm nhiều phiếu hơn thắng:

python
nhiet_do = [19, 22, 24, 25, 27, 29, 31, 33]
muc_dong = ["vắng", "vắng", "đông", "đông",
            "đông", "đông", "vắng", "vắng"]

def doan_muc(t, k=3):
    gan = sorted(range(len(nhiet_do)),
                 key=lambda i: abs(nhiet_do[i] - t))[:k]
    phieu = [muc_dong[i] for i in gan]
    return max(set(phieu), key=phieu.count)

print(doan_muc(26), doan_muc(32))

KẾT QUẢ

đông vắng

Đây là bài toán phân loại: label là một trong vài nhóm định sẵn, và đoán sai là chọn nhầm nhóm, không có chuyện sai ít hay sai nhiều. Một bảng dữ liệu có thể sinh cả hai loại bài toán, tùy câu hỏi bạn đặt: "bao nhiêu lượt" là hồi quy, "đông hay vắng" là phân loại. Quy tắc xếp loại là nhìn label: số đo thì hồi quy, tên nhóm thì phân loại.

Học không giám sát: tìm nhóm khi không có đáp án

Trạm có thêm bảng số chuyến mỗi tuần của từng khách, nhưng không ai ghi khách nào thuộc loại nào. Bảng không có cột label thì bài toán là học không giám sát (unsupervised learning): máy tự tìm cấu trúc trong dữ liệu. Dạng quen thuộc nhất là phân cụm: xếp những dòng na ná nhau về chung một nhóm. Cách thô sơ với một cột: sắp xếp, rồi cắt ở khoảng trống lớn nhất:

python
so_chuyen = [1, 12, 2, 11, 1, 14, 3, 10, 2, 13]
sap = sorted(so_chuyen)
khoang = [sap[i + 1] - sap[i] for i in range(len(sap) - 1)]
cat = khoang.index(max(khoang)) + 1
print(sap[:cat])
print(sap[cat:])

KẾT QUẢ

[1, 1, 2, 2, 3]
[10, 11, 12, 13, 14]

Máy chia được hai nhóm: khách đạp vài chuyến một tuần, và khách đạp gần như ngày nào cũng hai lượt. Đặt tên "khách vãng lai" và "khách đi làm" là việc của người, vì dữ liệu không có đáp án để so. Cũng vì không có đáp án, không có điểm đúng sai để chấm phân cụm như chấm hồi quy hay phân loại. Bài k-means làm việc này với nhiều cột cùng lúc.

ML, Deep Learning và GenAI

Ở trạm xe đạp, đoán lượt thuê ngày mai từ bảng nhiệt độ là học máy (ML) trên bảng. Nhận ra một chiếc xe bị bỏ ngã trong ảnh camera là việc của Deep Learning, nhánh của học máy dùng mạng nơ-ron nhiều lớp đọc thẳng điểm ảnh, vì ảnh không có cột feature nào dựng sẵn. Viết tin nhắn mời khách quay lại thuê xe là việc của GenAI (AI tạo sinh): một model deep learning rất lớn tạo ra câu chữ mới, không chọn một nhãn có sẵn.

Nhóm

Dữ liệu điển hình

Đầu ra

Học máy trên bảng

bảng có cột, vài nghìn tới vài triệu dòng

một số hoặc một nhóm

Deep Learning

ảnh, âm thanh, văn bản

nhãn, vị trí vật thể, bản dịch

GenAI

văn bản, ảnh rất lớn

nội dung mới

Tutorial này ở hàng đầu của bảng: dữ liệu có cột, scikit-learn, model chạy được trên trình duyệt. Bài Blog AI, machine learning và deep learning so ba nhóm kỹ hơn, còn bài MLP và deep learning cho bạn thử một mạng nơ-ron nhỏ trên bảng.

Kiểm tra nhanh

  1. Trong ví dụ hồi quy, doan_luot(26, k=1) trả gì?

    • 222.0
    • 220.0
    • 236.0
  2. Bài toán nào là hồi quy?

    • Đoán số phút một chuyến xe kéo dài
    • Đoán khách thuê xe trẻ em, xe thường hay xe điện
    • Đoán ngày mai trạm đông hay vắng
    • Gom khách thành nhóm khi không có nhãn
  3. Những câu nào đúng?

    • Bảng không có cột label thì chỉ làm được học không giám sát
    • Deep Learning là một nhánh của học máy
    • Phân cụm chấm được tỉ lệ đúng như phân loại
    • GenAI là tên khác của học có giám sát trên bảng
  4. Label là mã quận 1, 2, 3 của nơi khách trả xe. Bài toán là gì?

    • Hồi quy, vì label là số
    • Phân loại, vì mã số chỉ là tên của nhóm
    • Phân cụm, vì có ba nhóm
Đúng hết lần đầu +15 XP

Tóm tắt

  • Supervised learning học từ bảng có cột label; unsupervised learning làm việc với bảng không có label.

  • Label là số đo liên tục thì bài toán là hồi quy; label là tên một nhóm thì là phân loại.

  • Nhóm được mã hóa bằng số vẫn là phân loại; trung bình của mã không có nghĩa.

  • Phân cụm xếp những dòng na ná nhau về chung nhóm khi không có đáp án; người đặt tên cho từng cụm.

  • Đoán một con số hay một nhóm từ bảng là học máy; đọc ảnh, âm thanh là Deep Learning; tạo câu chữ hay hình mới là GenAI.

Câu hỏi thường gặp

Học có giám sát và không giám sát, cái nào phổ biến hơn?

Trong dự án với bảng dữ liệu, học có giám sát gặp nhiều hơn hẳn, vì phần lớn câu hỏi kinh doanh có đáp án được ghi lại: doanh số, khách có quay lại không. Học không giám sát hay dùng để khám phá dữ liệu trước, như chia nhóm khách hàng.

Bài toán hồi quy có liên quan tới hồi quy tuyến tính không?

Hồi quy tuyến tính là một trong nhiều model cho bài toán hồi quy. Cây quyết định, hay k láng giềng gần nhất như ví dụ ở trên, cũng giải bài toán hồi quy.

Có loại học máy nào khác ngoài hai loại này không?

Có học tăng cường (reinforcement learning). Ở đó không có bảng đáp án: một app điều phối xe tự quyết sáng nay chở bao nhiêu xe tới trạm nào, rồi xem cuối ngày trạm có thiếu xe không để chỉnh dần lần sau. Kiểu bài toán này khác hẳn bảng dữ liệu, nên tutorial không đi vào.

Chủ đề

supervised learning

Bài này có hữu ích?

Hỏi đáp

Đang tải câu hỏi…

Tham vấn chuyên môn

Nguyễn Việt Chung

Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE

  • Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
  • Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
  • Xây hệ thống AI cho doanh nghiệp tại VietPlatform.
Biên soạn: AIDev Team · Rà soát · Quy trình biên tập