Это 2-й пост про машинное обучение с забавными картинками.
В последнем посте я написал о том, что такое машинное обучение и зачем оно нам нужно, не стесняйтесь проверить это, если у вас нет.
В этом посте я расскажу, каковы основные компоненты машинного обучения.
Начнем с простого сценария: вы стоите на оживленной улице и раздаете листовки, и вы хотите повысить вероятность того, что вашу листовку примут прохожие, чтобы вы могли пойти домой пораньше. Чем может помочь машинное обучение?
Представьте, что кто-то стоит рядом с вами и помогает вам записывать появление прохожих и связанные с этим результаты, были ли приняты или отклонены листовки. Итак, у вас есть набор пар данных D (внешний вид, результат). Чтобы увеличить вероятность принятия, вам просто нужно выяснить взаимосвязь (f) между внешним видом и результатом, чтобы вы могли более точно ориентироваться.
Но поскольку взаимосвязь (f) неизвестна (если вы уже знаете это, это не проблема машинного обучения. ), мы должны позволить системе машинного обучения интерпретировать закономерности из пар данных истории (D), и выяснять окончательную гипотезу g, который больше всего похож на f.
Для этого системе машинного обучения потребуется гипотеза (H), чтобы угадать, что может быть g. В нашем случае H может быть набором гипотез, например: h1 = женщина с высокие каблуки отклонят листовки, h2 = маленькая девочка в платье примет листовку, h3 = пожилые люди в очках примут листовки, h4 = человек с тяжелым багажом отвергнет листовки…. Тогда H - это совокупность этих гипотез: H = {h1, h2, h3, h4,….} . Но не все гипотезы хороши, плохие гипотезы могут даже дать вам совершенно неверные предположения.
Алгоритм машинного обучения (A) предназначен для определения «наилучшей» гипотезы и выбора g. (как алгоритм определяет g будет обсуждаться в следующем блоге) .
В заключение: обучающие данные D, алгоритмы машинного обучения A , гипотеза H, и окончательная гипотеза g - компоненты машинного обучения. Начиная с целевой f, мы передаем данные истории в модель обучения (алгоритмы A + гипотеза H), и мы ожидаем окончательного результата g, который больше всего похож на f.
В следующем блоге я начну писать об интересных алгоритмах машинного обучения.
