Модель машинного обучения — это…
Программа, которая была обучена (используя увиденные данные) принимать решения, используя ранее невидимый набор данных. Эти решения варьируются от распознавания изображений до классификации оттока клиентов и многого другого. Другими словами…
Модель машинного обучения принимает решения — прогнозирует
Пожалуйста, дайте мне пример!
Возьмем пример алгоритма дерева решений. На изображении ниже показано, как некий исследователь взял знаменитый набор данных IRIS и применил алгоритм дерева решений (математику) для обучения модели, которая определяет класс растения Iris по длине лепестков.
Эта модель дерева решений определяет, относится ли ранее невидимое растение ириса к классу Setosa, Versicolor или Virginica, используя длину лепестков.
- Если длина лепестка меньше или равна 2,45 см, то его относят к классу Setosa.
- Если длина лепестка больше 2,45 или меньше или равна 4,95, то он относится к классу Versicolor.
- Если длина лепестка больше 4,95, то он относится к классу Вирджиния.
Можно ли визуализировать эту модель дерева решений с помощью DMN?
Если подумать, эта простая классификационная модель в некотором смысле является моделью принятия решений — она принимает решения. Чтобы проиллюстрировать это, я визуализировал эту модель машинного обучения с помощью DMN…
- Записывается длина лепестков ириса.
- Если длина лепестка меньше или равна 2,45 см, то его относят к классу Setosa.
- Если длина лепестка больше 2,45 или меньше или равна 4,95, то он относится к классу Versicolor.
- Если длина лепестка больше 4,95, то он относится к классу Вирджиния.
Как видите, эта модель принятия решений DMN выполняет ту же задачу определения класса Iris, что и модель машинного обучения дерева решений. Это наблюдение можно распространить на все модели машинного обучения, потому что все модели машинного обучения принимают решения — прогнозы.
Одно различие между моделью машинного обучения и моделью принятия решений
Одно отличие состоит в том, что модель машинного обучения строится с использованием компьютерных математических алгоритмов, тогда как модель принятия решений создается с использованием человеческого интеллекта — оба подхода имеют свои плюсы и минусы. Стоит отметить, что модель машинного обучения может быть легко интегрирована в модель принятия решений и, следовательно, введена в действие! Кроме того, модель принятия решений DMN делает гораздо больше.