Технологии развиваются день ото дня. В будущем, скорее всего, мир захватят машины. В этой части искусственный интеллект будет играть важную роль. Итак, в этой серии блогов я собираюсь расширить некоторые знания об алгоритмах машинного обучения, поэтому я решил использовать язык программирования R в своих будущих разработках. Помимо языка R, вы также можете использовать язык python. Прежде чем перейти к прямому связыванию, давайте узнаем о машинном обучении и основных типах алгоритмов машинного обучения.
- Обучение под наблюдением.
Обучение под наблюдением состоит из входных данных, а предикторы просто являются переменной цели/результата. Эта переменная результата станет зависимой переменной. Модель процесса обучения алгоритма будет продолжаться до тех пор, пока не будет достигнут желаемый уровень точности обучающих данных с использованием сгенерированной функции. К этой категории относятся в основном проблемы регрессии и классификации. Целью регрессии по средствам является прогнозирование непрерывных значений. Вы узнаете это глубоко в будущем.
Примеры: наивный байесовский алгоритм, деревья решений, линейная регрессия.
2. Неконтролируемое обучение.
Неконтролируемое обучение в основном используется для обнаружения закономерностей, описательного моделирования, а также для суммирования и группировки точек данных. В этом типе обучения он не состоит из какой-либо цели или переменной результата, которую можно предсказать или оценить.
Пример: k означает кластеризацию, априорный алгоритм и правила ассоциации.
3. Полуконтролируемое обучение.
В полууправляемом алгоритме обучения обучают принимать конкретные решения. Квалифицированные специалисты-люди стараются уловить лучшее, чтобы иметь точный и надежный бизнес-процесс, исходя из полученного ими опыта.
4. Обучение с подкреплением.
В основном обучение с подкреплением обеспечивает получение результатов от взаимодействия с окружающей средой. Это ветвь искусственного интеллекта. Просто этот алгоритм может взаимодействовать с машинами и автоматически определять идентичное поведение контекста.
Есть много мест, где машинное обучение применяется в повседневной жизни. Простой пример мы можем рассмотреть как распознавание лиц в приложении facebook. При этом лица на определенной фотографии будут автоматически обнаружены и отмечены парнем. И мы видим интеграцию машинного обучения в гарнитурах виртуальной реальности и распознавание голоса, которые используются в наши дни.
Данные есть везде, и они постоянно растут в геометрической прогрессии и кумулятивно.
С незапамятных времен до 2005 года люди создали 130 экзабайт данных.
В 2010 году он вырастет до 1200 экзабайт, а в 2015 году — до 7900 экзабайт и предполагая, что в 2020 году он увеличится до 40900 эксабайт.
Обычно это может отображаться в виде графика ниже.
Это основное введение в типы типов машинного обучения.
Итак, теперь давайте приступим к установке языка R и Rstudio на машину. Вы можете скачать R по указанному ниже URL-адресу [1].
Выберите соответствующую операционную систему, которую вы используете, и установите ее на компьютер.
Затем загрузите Rstudio для настольных ПК и соответствующий установщик из [2].
В качестве первой программы мы запустим hello world.
Ссылки, по которым вы можете скачать язык R и студию R для рабочего стола, приведены ниже.
Давайте встретимся в следующем блоге и познакомимся с ним поближе, прежде чем приступать к шнуровке.
