По словам Артура Сэмюэля (1959):
Машинное обучение — это область исследования, которая дает компьютерам возможность обучаться без явного программирования.
Все началось с его игры в шашки. знак равно
По словам Тома Митчелла:
Говорят, что компьютерная программа учится на опытеEв отношении некоторого класса задач Tи показателя производительности P, если ее производительность в задачах в T, что измеряется P, улучшается с опытом E.
Имеет смысл, верно?
Если вы пропустили это, вот краткое изложение,
- Компьютеры -> Учиться -> без явного программирования
- Компьютеры -› говорят, что учатся -› если его производительность увеличивается с опытом выполнения задач
Так как же решить проблему машинного обучения?
Это для новичка, чтобы понять процесс простыми словами*
- Сначала получается набор данных.Да, данные — это все. Без данных нет машинного обучения. Вы правильно поняли. Все в эту цифровую эпоху зависит от данных, а данные делают вас сильными (действительно сильными). Есть эти захватывающие дух возможности с соответствующими данными, которыми я поделюсь в будущем.
- Набор данных сделан пригодным для использования:ммм.. Да, я только что сказал, что данные ценны, тогда зачем изменять и терять часть данных? На самом деле нам не нужны все эти данные или нам нужно преобразовать их в пригодную для использования форму. Это будет снова обсуждаться в будущем.
- Выбрана хорошая модель/алгоритм: все алгоритмы не могут быть применены к набору данных и не дают эффективных результатов. Поэтому нам нужно достаточно практики и опыта для выбора правильного алгоритма, или мы позволим другому алгоритму выбрать лучший для нас, мы обсудим это в следующем посте в блоге.
- Результаты и точность рассчитываются:Если все устраивает, продолжайте (этого никогда не бывает XD), попробуйте оптимизировать.
- Повторите шаги 3 и 4.
Это всего лишь абстрактный слой того, что происходит, но в зависимости от набора данных и цели задачи шаги точно меняются.
Надеюсь, это дало вам необходимую информацию. Узнайте больше на https://tharunshiv.ml/
Тарун Шив
Первоначально опубликовано на tharunshiv.ml 22 апреля 2018 г.