Машинное обучение
С помощью машинного обучения система может принимать решения, которые могут быть связаны с решениями, которые принимают люди. Машинное обучение способно учиться на вводимых данных. На данный момент машинное обучение пытается имитировать способ обучения людей эффективным с вычислительной точки зрения способом.
Контролируемое обучение
Обучение с учителем состоит из набора данных с набором функций и соответствующей целевой меткой. Эти наборы функций также известны как предикторы, потому что они помогают предсказать целевую метку на основе каждой выборки данных.
Например: представьте, что вы даете ребенку мороженое всякий раз, когда он заканчивает прием пищи, ест фрукт во время еды, выполняет домашнее задание, а также помогает в уборке дома. Однако, если ребенок подолгу смотрит телевизор, играет только со своими друзьями, не закончив уроки или уже ест шоколад во время еды, он определенно не получает мороженого. Вместо этого он получит овощ на перекус. Здесь целевыми переменными являются мороженое, морковь и зеленые овощи.
В контролируемом обучении используются различные методы:
- Методы классификации
Как следует из названия, всякий раз, когда у нас есть категория для классификации, мы используем методы классификации. Например: мороженое, морковь и зелень - это наши классы.
2. Методы регрессии
Если метка не является категорией, мы используем методы регрессии. Например: если бы нам нужно было предсказать, сколько моркови или сколько мороженого получит ребенок через каждые когда он следует определенной схеме, вместо этого мы будем использовать технику регрессии.
Методы обучения с учителем широко используются для прогнозирования будущей ценности. Их можно использовать для предсказания погоды, для предсказания, сдаст ли кто-нибудь урок или нет, и т. Д.
Неконтролируемое обучение
Как следует из названия, обучение без учителя не контролируется, и у нас есть только список входных переменных, а не целевая метка. Основная цель этого типа алгоритма - изучить основное распределение данных и собрать данные, которые могут быть похожи друг на друга.
Чтобы ребенок понял, что такое обучение без учителя, мы можем показать ребенку изображение выше и попросить его обвести нечетный член [так же, как обвести лишнего человека] из каждой строки. Чаще всего они обводят изображения, не являющиеся мороженым. Это разновидность техники кластеризации. Мы, люди, собираем и запоминаем объекты, которые кажутся нам похожими. Это то, чего мы ожидаем от нашей модели.
Кластеризация - это разновидность неконтролируемой техники, при которой мы пытаемся собирать информацию в различные группы, и каждая группа имеет точки данных, которые наиболее похожи друг на друга. чем точка данных в любой другой группе.
Машинное обучение без учителя помогает находить в данных все неизвестные закономерности. Техники неконтролируемого обучения широко используются в системах рекомендаций, которые используют методы кластеризации для поиска похожих пользователей по контенту, который они видят, и т. Д.
