Я буду использовать Medium в качестве платформы для публикации своих ежедневных исследований. Я планировал это в течение длительного времени, чтобы иметь возможность создать прочную основу в области машинного обучения и быть кристально ясным с концепциями.
Машинное обучение можно определить как область исследования, которая дает компьютеру возможность учиться без явного программирования. Это также может быть определено по-другому, т. Е. Говорят, что компьютерная программа учится на опыте E в отношении некоторой задачи T и некоторого показателя производительности P на T, измеряемого P, улучшенным с опытом E.
ПРИМЕР: ЗАДАЧА: Классифицировать электронные письма как спам или нет, ОПЫТ: Наблюдение за электронной почтой, помеченной пользователем как спам или нет, ПРОИЗВОДИТЕЛЬНОСТЬ: Количество электронных писем, правильно классифицированных как спам или нет.
Различные алгоритмы машинного обучения:
Базовая схема работы алгоритма машинного обучения:
НАБОР ДАННЫХ ДЛЯ ОБУЧЕНИЯ → подается → АЛГОРИТМ ОБУЧЕНИЯ → Создание гипотезы.
Эта гипотеза получает входные данные как X (функции) и производит выходные данные Y.
РЕГРЕССИЯ → Прогнозирование / Прогнозирование результатов
КЛАССИФИКАЦИЯ → Классификация различных объектов.
Оба они подпадают под контролируемое обучение. Кластеризация — это еще один алгоритм, который подвергается неконтролируемому обучению, когда данные не имеют меток.
ОБУЧЕНИЕ С ПОДДЕРЖКОЙ использует вознаграждения и наказания для программы, чтобы получить оптимальное решение/выход. Отличным местом, где можно узнать об обучении с подкреплением, является AWS Deepracer, https://aws.amazon.com/deepracer/.
Следующая тема, Функция стоимости и градиентный спуск в линейной регрессии.