Коротко о машинном обучении
Это моя первая статья, и я начну ее с моей любимой темы — машинного обучения.
Машинное обучение
Наука о том, как заставить машину/модель учиться самостоятельно и находить закономерности в имеющихся данных, чтобы предсказывать неизвестное будущее.
Пример:
Самоуправляемые автомобили без или с меньшей помощью человека.
Предложения друзей в социальных сетях.
Типы машинного обучения
- Контролируемое обучение
- Неконтролируемое обучение
- Обучение с подкреплением
Контролируемое обучение
Мы предоставим модели помеченный набор данных для ее обучения вместе с руководителем (учителем), чтобы увидеть, как модель обучается. Как следует из названия, супервайзер будет контролировать модель.
Пример:
Мы предоставим изображения собак и кошек вместе с метками (изображение кошки вместе с меткой «кошка») модели и обучим их предсказывать, кошка это или собака на новом изображении.
Типы:
- Классификация
- Регрессия
Неконтролируемое обучение
Мы предоставим модели несколько данных без меток, и модель выведет некоторый шаблон из этих данных и использует производные характеристики для обучения. Как следует из названия, за моделью не будет никакого супервайзера. Он имеет дело с неразмеченными данными.
Пример:
Мы предоставим изображения собак и кошек без маркировки изображений, а модель проанализирует изображения и нарисует шаблоны, например, у собак будут длинные уши, черный нос и т. д.
Типы:
- Кластеризация
- Уменьшение размерности
Обучение с подкреплением
Модель/агент будет учиться в интерактивной среде, где модель будет получать положительные и отрицательные отзывы о своих действиях. Проще говоря, вознаграждение и наказание за действия модели.
Пример:
В видеоиграх вам дадут больше очков, если вы выполните такие действия, как прыжок через реку или вулкан, и будете наказаны за удар о стену.
В футболе/футболе вам будут начисляться голевые очки, когда вы попадете мячом в сетку, и вы получите штраф, например, желтую карточку, если вы ударите другого игрока.
Классификация
Это контролируемая техника обучения. Модель будет обучена классифицировать данные на основе меток. Алгоритм классификации используется для выходных дискретных значений.
Пример:
Классификация собак, кошек или оленей
Да или нет классификации
Регрессия
Это контролируемая техника обучения. Модель будет обучена обнаруживать следующую непрерывную полосу.
Пример:
Прогноз цены дома
Прогноз курса акций
Кластеризация
Это метод обучения без учителя. Модель будет группировать данные в разные группы на основе их сходств и различий. Данные в конкретной группе будут одинаковыми среди них.
Благодарность Также я хотел бы поблагодарить всех авторов контента в Интернете, откуда я взял некоторые точки и изображения, чтобы сделать концепцию более простой.
