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,

  1. Компьютеры -> Учиться -> без явного программирования
  2. 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*

  1. 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.
  2. 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.
  3. 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.
  4. Результаты и точность рассчитываются:Если все устраивает, продолжайте (этого никогда не бывает XD), попробуйте оптимизировать.
  5. 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.