1.1 Краткое введение в машинное обучение.
По мере роста люди учатся на своем прошлом опыте. Но машины не могут учиться на своем прошлом опыте. Люди должны давать инструкции машинам, и они следуют этим точным инструкциям, не узнавая ничего нового. Машинное обучение полностью изменило этот сценарий. Это означает, что людям просто нужно обучить машины, и у них есть возможность учиться на своих прошлых наборах данных. Затем дайте запрошенный результат как можно скорее, используя эти прошлые данные. Это называется машинным обучением. Но это намного больше, чем просто обучение. Машинное обучение также включает понимание и обработку.
Давайте просто посмотрим на простой пример.
Сара любит смотреть фильмы. Она большая поклонница романтических фильмов и меньше фанатов боевиков. Кроме того, ее всегда беспокоит рейтинг фильма, который она собирается смотреть. Поэтому она всегда выбирает для просмотра романтические фильмы с высоким рейтингом. Однажды ее сестра попросила ее посмотреть недавний романтический фильм с высоким рейтингом. Да, ей это понравилось. Потому что это как раз соответствует ее интересам в кино. Затем один из ее друзей внезапно дал ей посмотреть фильм. Она смотрела его, и это был фильм с высоким рейтингом, средним романтическим жанром и средним боевиком. Итак, можете ли вы догадаться, понравилось ей это или нет?
Можно легко сказать, что ей понравился фильм, который подарила ее сестра. Но догадки начались со вторым фильмом, который ей подарила подруга. Здесь на помощь приходит машинное обучение ...
Этот пример легко решить с помощью алгоритма машинного обучения.
1.2 Типы обучения в машинном обучении.
Как я описал в разделе 1.1; Машинное обучение изучает данные, строит модель прогнозирования и, когда поступают новые данные, может легко их предсказать. Чтобы машинное обучение было более точным, модель должна быть лучше. Для этого размер набора данных должен быть большим.
В машинном обучении есть три основных типа обучения.
- Обучение с учителем
- Обучение без учителя
- Обучение с подкреплением
Хорошо! Давайте кратко расскажем об этих трех типах обучения.
1. Обучение с учителем
Хорошо, давайте разберемся с контролируемым обучением на небольшом примере. Предположим, вам дана коллекция изображений роз трех разных цветов, и вас просят пометить эти розы в соответствии с их цветом, например: красный, розовый и белый.
На модели будет предсказан цвет розы. В этом сценарии цвет становится функцией модели, а названием цвета (красный, розовый и белый) становится их ярлыком. Когда мы загружаем эти данные в модель машинного обучения, она узнает, какая функция связана с какой меткой.
Затем даем модели новый рисунок роз. Используя цвет нового изображения роз, модель предугадывает цвет роз и маркирует его правильным названием. Таким образом, контролируемое обучение использует помеченные данные для обучения модели. Это означает, что при обучении с учителем машина знала свойства объекта и ярлыки, связанные с этими функциями.
2. Обучение без учителя
При обучении без учителя для обучения модели используются немаркированные данные.
Давайте посмотрим на простой пример обучения без учителя. Предположим, вам дан список студентов университета по языкам, на которых они говорят. Когда вы вводите эти данные в машину, она определяет образец навыков говорения на языке каждого человека. Затем машина классифицирует людей, которые говорят только на одном языке, в одну группу, называемую одноязычными, и людей, которые говорят на нескольких языках, в другую группу, называемую многоязычными . Не существовало ярлыков одноязычных и многоязычных. Следовательно, мы можем описать обучение без учителя как обучение без помеченных данных.
3. Обучение с подкреплением
В основном это метод обучения, основанный на обратной связи. Также может быть описано как обучение, основанное на вознаграждении. В качестве примера представьте, что вы даете машине изображение девушки для идентификации. И машина идентифицирует его как мальчика. Затем вы даете ответ машине: «Это не мальчик, это девочка». После этого машина учится на этой обратной связи, и в следующий раз, когда машина получает изображение девушки, она правильно идентифицирует изображение как девушку. Это обучение с подкреплением.
1.3 Некоторые приложения машинного обучения
Давайте посмотрим на некоторые применения машинного обучения в эту эпоху.
- В сфере здравоохранения для прогнозирования диагностики
- В соцсетях за лайки по распознаванию лиц
- В транспорте, чтобы заказать поездку
- Самостоятельные автомобили
- Рекомендация продукта
- В рекомендации видео YouTube
- Google Переводчик
