Привет! Энтузиасты машинного обучения. Я вернулся с более интересным контентом для вас. Вот следующий блог(2) из этой серии машинного обучения с нуля до глубины его концепций.
Давайте сосредоточимся на таких концепциях обучения, как определение машинного обучения на примерах, контролируемых и неконтролируемых методах и многом другом.
Дайте определение машинному обучению.
Машинное обучение — это тип искусственного интеллекта (ИИ), который дает компьютерам возможность учиться без явного программирования. Алгоритмы машинного обучения обучаются на данных и учатся делать прогнозы и принимать решения на основе этих данных.
Примеры :
- Рекомендации по продукту.
- Автоматизация электронной почты и фильтрация спама.
- Финансовая точность.
- Оптимизация социальных сетей.
- Распознавание лиц и т. д.
Что такое обучение с учителем, обучение без учителя, обучение с полуконтролем и обучение с подкреплением?
- Обучение под присмотром
Эта модель обучается на помеченном наборе данных, где входные данные сопоставляются с правильными выходными данными. Модель учится сопоставлять входные данные с выходными, что делает ее способной делать прогнозы на основе новых, невидимых данных.
Примеры:
- Кредитный скоринг.
- Распознавание голоса.
- Регрессия.
- Наивный Байес.
- Классификация и т. д.
2. Обучение без учителя
Алгоритм работает с немаркированными данными, стремясь выявить закономерности или группировки внутри данных. Кластеризация и уменьшение размерности являются распространенными методами обучения без учителя.
Пример:
- K-означает кластеризацию.
- КНН (k-ближайшие соседи)
- Иерархическая кластеризация.
- Обнаружение аномалий и т. д.
3. Полуконтролируемое обучение
Обучение с полуконтролем — это тип машинного обучения, который сочетает в себе обучение с учителем и обучение без учителя. Для обучения модели он использует небольшой объем помеченных данных и большой объем неразмеченных данных.
Примеры:
- SSL с распространением меток на основе графов.
- Распознавание речи.
- Классификация веб-контента.
- Классификация текстовых документов и т. д.
4. Обучение с подкреплением:
Обучение с подкреплением (RL) — это тип машинного обучения, при котором агент учится выполнять действия в окружающей среде, чтобы максимизировать вознаграждение. Агент не имеет доступа к основной истине, но учится методом проб и ошибок.
Примеры:
- История и предыстория.
- Автоматизированные роботы.
- Обработка естественного языка.
- Маркетинг и реклама и т. д.
Таблица дает четкое представление о типах методов машинного обучения:
Типы алгоритмов в машинном обучении:
- Алгоритмы контролируемого обучения.
- Алгоритмы обучения без учителя.
- Алгоритмы полуконтролируемого обучения.
Надеюсь, этот блог даст вам интересную и полезную информацию для изучения. И надеюсь, что вы будете ждать и с нетерпением читать следующие блоги, в которых будут представлены такие алгоритмы, как классификация, регрессия, кластеризация и многие другие.
Примечание: ссылки на изображения взяты из поисковых систем.
Спасибо за чтение, подписывайтесь, чтобы узнать больше о Дурга Прасанне.