Самое простое в мире введение в машинное обучение
Обновление. Эта статья является частью серии. Ознакомьтесь с полной серией:Часть1, Часть2, скоро в продаже.
1.1 Введение
После моросящего дождя идем гулять по мокрой дороге. Чувствуя легкий бриз и видя сумерки, мы уверены, что завтра будет отличная погода. подходя к фруктовому прилавку, берем в руки зеленый арбуз с волнистым корнем и приглушенным глухим звуком; надеясь, что арбуз подошёл к подходящей стадии или пришло время его собрать или съесть, мы ожидаем хороших оценок в колледже в этом семестре после всей сложной работы на экзаменах. Желаем читателям такого же доверия к своим исследованиям, но в первую очередь давайте заведем непринужденный разговор о том, что такое машинное обучение.
Присмотревшись к описанному выше сценарию, мы заметим, что он включает в себя множество прогнозов, основанных на опыте. После наблюдения за нежным бризом и заревом заката? Мы ожидаем этой прекрасной погоды в небе, по нашему опыту, погода на следующий день часто бывает превосходной, когда мы наблюдаем такую сцену в настоящий день. Кроме того, по какой причине мы выбираем арбуз зеленого цвета, с волнистым корнем и приглушенным звуком? Это потому, что мы съели и наслаждались очень многими арбузами, и те, которые удовлетворяют вышеуказанным стандартам, обычно готовы к употреблению. Точно так же наш опыт обучения позволяет нам понять, что трудная работа приводит к отличным академическим оценкам. Мы уверены в своих прогнозах, потому что знаем из своего опыта и делаем выбор, основанный на опыте.
Пока люди учатся на собственном опыте, смогут ли компьютеры сделать то же самое? Ответ — «да», и машинное обучение — это то, что нам нужно. Машинное обучение — это стратегия, которая повышает производительность системы, изучая опыт с помощью вычислительных методов. В компьютерных системах опыт существует в виде данных, и основная задача машинного обучения — разработать алгоритмы обучения, которые строят модели из данных, мы получаем модель, которая может делать прогнозы (например, неразрезанный арбуз). Если рассматривать информатику как предмет алгоритмов, то машинное обучение — это предмет алгоритмов обучения.
В этой книге мы используем «модель» как общий термин для результата, полученного из данных, переданных машине. В другом письме термин «модель» может относиться к глобальному результату (например, дереву решений), тогда как выражение «шаблон» относится к локальному результату (например, отдельному правилу).
Не забудьте подписаться на меня:
Твиттер: https://twitter.com/Eviloon1
Инстаграм: https://www.instagram.com/abubakkar_sattar/
LinkedIn: https://www.linkedin.com/in/abubakar-sattar-807a27178/
