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?

  1. 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:

  1. Алгоритмы контролируемого обучения.
  2. Алгоритмы обучения без учителя.
  3. 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.