Алгоритмы машинного обучения: как они работают и варианты использования для каждого типа — Часть III из III
Существует три основных типа алгоритмов машинного обучения:
- Контролируемое обучение
- Неконтролируемое обучение
- Обучение с подкреплением
В части III этой серии статей я расскажу о том, что такое алгоритмы обучения с подкреплением, как они работают и приведу несколько примеров того, где их можно применять.
Что такое обучение с подкреплением
Алгоритм учится выполнять задачу, просто пытаясь максимизировать вознаграждение, которое он получает за свои действия (например, максимизирует баллы, которые он получает за увеличение доходности инвестиционного портфеля).
Как работает обучение с подкреплением
- Алгоритм воздействует на окружающую среду (например, совершает сделку в финансовом портфеле).
- Он получает вознаграждение, если действие приближает машину на один шаг к максимизации общего доступного вознаграждения (например, самая высокая общая доходность портфеля).
- Алгоритм оптимизирует серию действий, корректируя себя с течением времени.
Случаи использования
Обратите внимание: приведенные ниже варианты использования не являются единственными вариантами использования для каждого типа алгоритма. Это примеры, которые помогут вам понять, где их можно применять.
- Оптимизация торговой стратегии для портфеля торговли опционами
- Оптимизация вождения беспилотных автомобилей
- Балансировка нагрузки электрических сетей в различных циклах спроса
- Складируйте и комплектуйте запасы с помощью роботов
- Оптимизация ценообразования в режиме реального времени для онлайн-аукциона товара с ограниченным предложением
На этом я завершаю серию III части об алгоритмах машинного обучения и примерах использования каждого из них. В моей следующей серии я расскажу о глубоком обучении.
