Ръководство за начинаещи за разбиране на машинното обучение

Какво е машинно обучение?

Машинното обучение е клон на изкуствения интелект, който включва компютър и неговите изчисления. При машинното обучение компютърната система получава необработени данни и компютърът прави изчисления въз основа на тях. Разликата между традиционните системи от компютри и машинното обучение е, че при традиционните системи разработчикът не е включил кодове на високо ниво, които да правят разграничения между нещата. Следователно не може да прави перфектни или прецизни изчисления. Но в модела на машинно обучение това е силно усъвършенствана система, включваща данни от високо ниво, за да прави екстремни изчисления до нивото, което съответства на човешкия интелект, така че е способна да прави изключителни прогнози. Тя може да бъде разделена най-общо на две специфични категории: контролирани и ненадзорни. Има и друга категория изкуствен интелект, наречен полуконтролиран.

Наблюдаван ML

При този тип компютърът се учи какво да прави и как да го прави с помощта на примери. Тук на компютъра се дава голямо количество етикетирани и структурирани данни. Един недостатък на тази система е, че компютърът изисква голямо количество данни, за да стане експерт в определена задача. Данните, които служат за вход, влизат в системата чрез различни алгоритми. След като процедурата по излагане на компютърните системи на тези данни и овладяване на определена задача приключи, можете да дадете нови данни за нов и прецизиран отговор. Различните типове алгоритми, използвани в този вид машинно обучение, включват логистична регресия, K-най-близки съседи, полиномна регресия, наивни заливи, произволна гора и др.

Безконтролен ML

При този тип данните, използвани като входни данни, не са етикетирани или структурирани. Това означава, че никой не е разглеждал данните преди. Това също означава, че входът никога не може да бъде насочен към алгоритъма. Данните се подават само към системата за машинно обучение и се използват за обучение на модела. Опитва се да намери конкретен модел и да даде желан отговор. Единствената разлика е, че работата се извършва от машина, а не от човек. Някои от алгоритмите, използвани в това неконтролирано машинно обучение, са декомпозиция на сингулярна стойност, йерархично групиране, частични най-малки квадрати, анализ на главните компоненти, размити средни стойности и др.

Обучение с подсилване

Reinforcement ML е много подобен на традиционните системи. Тук машината използва алгоритъма за намиране на данни чрез метод, наречен проба и грешка. След това системата сама решава кой метод ще бъде най-ефективен с най-ефективни резултати. Има основно три компонента, включени в машинното обучение: агент, среда и действия. Агентът е този, който е обучаемият или вземащият решения. Средата е атмосферата, с която агентът взаимодейства, а действията се считат за работата, която агентът върши. Това се случва, когато агентът избере най-ефективния метод и продължи въз основа на него.

Empfohlene Artikel

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht.