Что такое машинное обучение?
Проще говоря, это способность машины обучаться.
Что такое обучение?
Обучение – это процесс приобретения знаний или навыков путем обучения, опыта и практики. То же самое можно обучить машине, которая не устает, что легко является удивительным нововведением человеческого рода.
Зачем нам изучать машинное обучение?
Не всегда возможно научить машину распознавать изображение, текст, аудио или видео. Вместо этого, если бы мы могли научить машину распознавать, «как это делать», это была бы другая парадигма, которая смещает мир в сторону машинного обучения. Это сокращает потребление времени competatively.
Чтобы научить машину учиться, мы знаем, как учится человек?
Сначала ребенок идентифицирует и наблюдает (идентификация) конкретный объект (например, стол). Он получает информацию о том, что это таблица, потому что у нее четыре ножки (различие и категоризация). Затем он наблюдает за стулом и объявляет его столом (отсутствие информации), поэтому мы снабжаем их чертами стула, то же самое происходит с табуретом и т. д. (учась на примерах и исправляю свою ошибку, показывая точно). Со временем он осваивает идентификацию объектов.
Что дает машинное обучение?
Ввод ML - это большой объем данных. Это может быть сохранено в виде таблицы или массива, где есть столбцы (переменная, признаки) и строки (наблюдения, экземпляр). В переменных они бывают двух типов: зависимая переменная и независимые переменные.
Что такое зависимая переменная?
Переменная, полученная из независимой переменной путем выполнения арифметической и логической операции. Изменение независимой переменной напрямую влияет на зависимую переменную.
Что такое независимая переменная?
Необработанная переменная, и изменение этой переменной не влияет на другой набор данных, присутствующих в той же таблице.
Какие существуют типы машинного обучения?
1. Контролируемое машинное обучение
2. Неконтролируемое машинное обучение
3. Обучение с подкреплением
Что такое контролируемое машинное обучение?
Последовательность машинного обучения, в которой известен результат (зависимая переменная или DV). Он имеет ссылку на историю, чтобы принять решение и классифицировать информацию. Маркировка значений выполняется человеком. Это связано с входными человеческими усилиями, оно обучено. Например, обнаружение мошеннических транзакций, а затем подтверждение людей. Контролируемое ML далее классифицируется как модель классификации и регрессии.
Что такое модель классификации? Она имеет фиксированные значения (дискретный набор). Как данные могут быть (высокий, средний, низкий), (успех или неудача).
Что такое регрессионная модель? Результатом может быть непрерывная переменная. Например, все измеримые значения, такие как цена, длина, вес и т. д.
Что такое неконтролируемое машинное обучение?
В этой последовательности машинного обучения выходные данные, метки неизвестны. Гуманитарный мониторинг не требуется. Машина классифицирует данные на основе шаблона и сходства, установленных между Данными. Вывод должен быть в кластере данных. Например. Извлечение темы документа (используется в газетной индустрии), сегментация клиентов (используется в Flipkart), обнаружение страхового мошенничества, оптимизация магазина доставки.
Основное применение можно найти в НЛП (обработка естественного языка).
Что такое обучение с подкреплением?
В усиленном обучении модель обрабатывается, чтобы найти лучший способ достичь определенной цели с помощью наказания/поощрения.
