Введение

  • Говорят, что компьютерная программа учится на опыте E в отношении некоторой задачи T и некоторого показателя производительности P. Если ее производительность на T, измеряемая P, улучшается с опытом E. Том Мичелл. em>
  • Машинное обучение подразделяется на 4 типа обучения: обучение с учителем, обучение без учителя, обучение с подкреплением и рекомендательные системы.

Контролируемое обучение

  • Это обучение снова подразделяется на 2 типа: модель регрессии и классификации.
  • Регрессия – цель к непрерывному получению ценности.

Классификация

Цель: выход с дискретным значением, например, 0,1,2,3… для понимания используется только 1 функция, но есть некоторые алгоритмы, в которых мы используем бесконечное количество функций в качестве оси X. . Более того, может быть сложно справиться с таким огромным количеством функций, и у нас может не хватить памяти, в то время мы используем SVM (машину опорных векторов) для обработки таких ситуаций.

Чтобы проиллюстрировать это, рассмотрите изображение ниже, например, на основе размера опухоли мы собираемся классифицировать ее, является ли она доброкачественной или злокачественной !!!!

На первой картинке используется только 1 функция, а на второй картинке — 2 функции. Точно так же мы можем использовать бесконечное количество функций, когда делаем прогнозы.

Обучение без учителя

  • Это обучение также называется режимом кластеризации, когда мы будем давать данные и сообщать алгоритму, сможете ли вы найти структуру в данных или можете автоматически группировать людей по разным типам, которые я не знаю заранее. Лучший способ проиллюстрировать эту модель — «Проблема коктейльной вечеринки».

Эффект вечеринки с коктейлем – это феномен способности мозга фокусировать слуховое внимание на определенном стимуле, отфильтровывая ряд других стимулов, например, когда участник вечеринки может сосредоточиться на одном разговоре в шумной обстановке. комната

Но здесь сама модель кластеризует данные при назначении в качестве входных данных для модели.