автор Ашиш Адхикари
В Machine используются разные алгоритмы для разных типов наборов данных. Для решения конкретной проблемы важно определить проблему и выбрать подходящий способ изучения проблемы.
Чтобы выбрать тип машинного обучения, мы должны понять типы данных, проанализировав их. Мы уже обсуждали процесс запуска проекта машинного обучения. Итак, теперь давайте посмотрим на типы машинного обучения.
Типы машинного обучения делятся на три типа:
- Контролируемое обучение
- Неконтролируемое обучение
- Усиленное обучение
Контролируемое обучение
Обучение с учителем в основном используется на практике для обучения модели, и этот тип обучения используется для данных с метками. Его очень легко понять, и его можно реализовать с помощью простых математических функций, таких как линейная регрессия.
Этот модуль согласуется с данными, и чем больше данных, тем выше точность, но нам необходимо рассмотреть проблему переобучения.
Основными категориями контролируемого обучения являются классификация и регрессия.
Обучение с учителем применяется для классификации таких заболеваний, как пневмония, рак, переломы костей и многих других, путем простого предоставления классифицированных данных. Классификация спама, прогнозирование погоды, классификация изображений и бизнес-прогнозирование также могут выполняться с помощью контролируемого обучения.
Неконтролируемое обучение
Неконтролируемое обучение используется для обучения модели с использованием непомеченной информации. Алгоритм найдет сходство в данных и классифицирует их в кластер. Техника кластеризации в неконтролируемом обучении в основном используется на практике, когда алгоритм разделяет данные на определенное количество кластеров.
Уменьшение размерности также используется в обучении без учителя, когда многомерные изображения преобразуются в низкоразмерные, чтобы можно было легко извлечь признаки.
Неконтролируемое обучение используется в основном для больших данных, таких как сегментация клиентов в магазинах, классификация пользователей в социальных сетях, и широко используется бизнес-аналитиками. Такие компании, как Facebook, Amazon используют в основном этот тип обучения.
Усиленное обучение
Это тип обучения, при котором машина учится на ошибках. Здесь данные не передаются извне пользователем, а генерируются машиной. Машина узнает, что правильно, а что неправильно, и со временем совершенствует себя.
В этой системе рассматривается система вознаграждения. Награда дается машине, если она работает правильно.
Мы можем просто посмотреть пример дрессировки собаки, где собака вознаграждается, если данное задание выполнено, и не вознаграждается, если задание не выполнено. Студенты Стэнфордского университета использовали эту модель для тренировки вертолета. Вертолет много раз падал и в последний раз научился летать сам.
На рисунке показан пример игрового модуля ИИ, в котором вознаграждение дается, если система делает правильный ход. Номер эпизода просто говорит нам о том, сколько итераций требуется для обучения самого модуля.
Получив базовые знания в области машинного обучения, изучите Предварительную обработку данных, чтобы начать свою карьеру в области машинного обучения.
