Supervised Learning

Học có giám sát là một nhánh của machine learning (ML), trong đó model học ánh xạ đầu vào thành đầu ra từ các ví dụ có nhãn — tức đầu vào đi kèm đáp án đúng, thường được gọi là ground truth. Trong quá trình huấn luyện, dự đoán của model được so sánh với các nhãn đó và các tham số được điều chỉnh để giảm sai khác. Mục tiêu là khả năng tổng quát hóa: đưa ra dự đoán chính xác cho những đầu vào mới mà model chưa từng thấy. Nhiều hệ thống ML được triển khai rộng rãi nhất đều dùng học có giám sát, bao gồm bộ lọc spam, chấm điểm tín dụng, dự báo nhu cầu, bộ phân loại ảnh và detector vật thể.

Cách thức hoạt động của học có giám sát#

Tập dữ liệu có giám sát là tập hợp các cặp (đầu vào, nhãn), được chia thành dữ liệu huấn luyện để khớp model, dữ liệu validation để tinh chỉnh cài đặt và chọn thời điểm dừng, cùng dữ liệu test để ước tính hiệu năng cuối cùng một cách khách quan. Với mỗi batch huấn luyện, model đưa ra dự đoán, một hàm loss đo mức chênh lệch với nhãn, rồi thuật toán tối ưu như stochastic gradient descent cập nhật trọng số model để giảm loss đó. Một lượt duyệt qua tập huấn luyện là một epoch; quá trình huấn luyện thường chạy nhiều epoch trong khi theo dõi điểm số trên tập validation.

Model tiếp tục giảm loss huấn luyện nhưng điểm số validation lại xấu đi đang bị overfit: model ghi nhớ các nhãn huấn luyện, kể cả nhiễu trong nhãn, thay vì học các mẫu có thể khái quát. Tăng dữ liệu, data augmentation, regularization và early stopping giúp khắc phục tình trạng này.

Phân loại, hồi quy và đầu ra có cấu trúc#

• Phân loại: Dự đoán một lớp rời rạc, chẳng hạn spam hay không phải spam, hoặc ảnh thể hiện lớp nào trong số 1.000 lớp ImageNet.
• Hồi quy: Dự đoán một giá trị liên tục, chẳng hạn giá nhà, nhu cầu ngày mai hoặc khoảng cách đến một vật thể; hồi quy tuyến tính là model đơn giản nhất.
• Đầu ra có cấu trúc: Nhiều tác vụ thị giác kết hợp cả hai. Phát hiện vật thể phân loại từng vật thể và hồi quy tọa độ bbox của vật thể đó; segmentation phân loại từng pixel, còn ước lượng pose hồi quy vị trí keypoint.

Cùng một quy trình học có giám sát áp dụng cho nhiều loại model rất khác nhau, từ thuật toán cổ điển như hồi quy logistic, random forest và cây tăng cường gradient trên dữ liệu dạng bảng, đến mạng nơ-ron sâu xử lý ảnh, âm thanh và văn bản.

Dữ liệu có nhãn và chi phí#

Nhãn đến từ annotator là con người, hồ sơ như các vụ gian lận hoặc giao dịch mua trước đây, và thiết bị đo; chất lượng của nhãn giới hạn chất lượng model. Lỗi gán nhãn có tính hệ thống, quy tắc annotation không nhất quán, mất cân bằng lớp và rò rỉ dữ liệu giữa tập huấn luyện và kiểm thử là những nguyên nhân phổ biến khiến model đạt điểm tốt khi phát triển nhưng thất bại khi triển khai. Vì gán nhãn dữ liệu thường là phần tốn kém nhất của dự án, các phương pháp liên quan giúp giảm số nhãn cần thiết. Học chủ động yêu cầu annotator chỉ gán nhãn các mẫu giàu thông tin nhất, còn transfer learning bắt đầu từ model pretrained trên bộ dữ liệu lớn, nên tác vụ mới cần ít ví dụ được gán nhãn hơn nhiều.

Quá trình huấn luyện YOLO26 là học có giám sát trên ảnh có nhãn: mỗi ảnh huấn luyện có một file nhãn liệt kê ID lớp và tọa độ bbox đã chuẩn hóa của mọi vật thể; chế độ train cập nhật model để giảm loss giữa lớp và bbox được dự đoán với nhãn tương ứng. Ví dụ này tinh chỉnh trọng số đã huấn luyện trước trên COCO8, một mẫu gồm 8 ảnh từ tập dữ liệu COCO, với 4 ảnh huấn luyện và 4 ảnh validation, nhằm kiểm tra toàn bộ pipeline huấn luyện từ đầu đến cuối:

from ultralytics import YOLO

# Bắt đầu từ trọng số được huấn luyện trước trên toàn bộ tập dữ liệu COCO
model = YOLO("yolo26n.pt")

# Huấn luyện có giám sát: ảnh đi kèm nhãn bbox và lớp
results = model.train(data="coco8.yaml", epochs=3, imgsz=640)

Học có giám sát và các mô hình học khác#

• Học không giám sát: Không dùng nhãn mà chỉ tìm cấu trúc trong dữ liệu đầu vào, chẳng hạn các cụm hoặc biểu diễn nén.
• Học bán giám sát: Huấn luyện trên một tập nhỏ có nhãn cùng một tập lớn không có nhãn, thường bằng cách gán pseudo-label cho các dự đoán có độ tin cậy cao trên dữ liệu chưa gán nhãn.
• Học tự giám sát: Tạo nhãn từ chính dữ liệu, chẳng hạn từ tiếp theo trong câu hoặc một patch bị ẩn trong ảnh; đây là cách các model ngôn ngữ lớn và model nền tảng thị giác được huấn luyện trước, trước khi tinh chỉnh có giám sát.
• Học tăng cường: Học từ phần thưởng nhận được khi thực hiện hành động trong một môi trường, không cần nhãn về hành động đúng cho từng tình huống.
• Học few-shot: Nhận diện lớp mới từ một vài ví dụ có nhãn, thường từ 1 đến 10 ví dụ mỗi lớp, dựa trên kiến thức thu được từ quá trình huấn luyện trước.