The advantages of supervised learni

The advantages of supervised learning techniques are efficient and fast, as they get the ’correct’ answers during training, that is, the clear feedbacks help them learn quickly. Besides, it is more powerful to detect the known problem since the patterns have been taught. But the disadvantages are obvious that it is hard to get enough reliable labeled data. First, it is hard to provide absolutely normal data (i.e. containing no problems), and if some erroneous data are labeled as normal data, it increases the false positive error.Secondly, as even the human expert cannot detect every kind of problem, supervised learning will fail to detect a totally unknown problem. Finally, the supervised learning system can never be superior to human experts, since the goal is to imitate the experts [8].In this project, it is nearly impossible to get enough labeled data to do supervised learning and the stakeholders are interested in those unknown problems as well. Therefore, this project did not use classification techniques.

結果 (繁體中文) 1:

的監督學習技術的優點是高效，快速的，因為他們在訓練中得到“正確”的答案，那就是明確的反饋，幫助他們學得很快。此外，它更強大，因為模式已經被教導要檢測的已知的問題。但是缺點是顯而易見的，這是很難獲得足夠的可靠標記數據。首先，它很難提供絕對正常的數據（即，含有沒有問題），並且如果某些錯誤的數據被標記為正常數據，它增加了假陽性錯誤。
其次，因為即使是人類專家無法檢測到各式各樣的問題，監督學習將無法檢測到一個完全未知的問題。最後，監督學習系統可以永遠優於人類專家，因為我們的目標是模仿專家[8]。
在這個項目中，它幾乎是不可能得到足夠的標記數據做監督學習和利益相關者感興趣的是那些未知的問題為好。因此，本項目沒有使用分類技術。

結果 (繁體中文) 2:

監督式學習技術的優勢是高效和快速的，因為他們在培訓期間得到了"正確"的答案，也就是說，明確的回饋有助於他們快速學習。此外，它更強大的檢測已知問題，因為模式已被教導。但缺點是很明顯，很難獲得足夠的可靠的標籤資料。首先，很難提供絕對正常的資料（即不包含任何問題），如果某些錯誤資料被標記為正常資料，則會增加誤報誤差。
其次，由於即使人類專家也無法發現每一種問題，監督學習也無法發現一個完全未知的問題。最後，監督學習系統永遠不可能優於人類專家，因為目標是模仿專家[8]。
在這個專案中，幾乎不可能獲得足夠的標記資料來進行監督性學習，而利益相關者也對這些未知問題感興趣。因此，該專案不使用分類技術。

結果 (繁體中文) 3:

監督學習科技的優點是高效、快速，因為它們在訓練過程中得到了“正確”的答案，也就是說，清晰的迴響有助於它們快速學習。此外，由於模式已經被教授，囙此檢測已知問題的能力更强。但缺點是很明顯，很難獲得足够可靠的標記數據。首先，很難提供絕對正常的數據（即不包含任何問題），如果一些錯誤的數據被標記為正常數據，則會新增假陽性誤差。
其次，即使是人類專家也無法檢測出每一類問題，監督學習也無法檢測出完全未知的問題。最後，監督學習系統永遠不能優於人類專家，因為其目標是模仿專家[8]。
在這個項目中，幾乎不可能獲得足够的標記數據來進行監督學習，而且利益相關者也對這些未知問題感興趣。囙此，本項目沒有使用分類科技。