ЧТО ТАКОЕ МАШИННОЕ ОБУЧЕНИЕ?

Как следует из названия, машина «обучается» итеративно, получает представление о самих данных, а не о типичных компьютерных программах, где пользователь должен указать компьютеру, какую задачу необходимо выполнить.

ВВЕДЕНИЕ В АЛГОРИТМЫ МАШИННОГО ОБУЧЕНИЯ

  1. ОБУЧЕНИЕ С КОНТРОЛЕМ
  • Машина контролируется, чтобы учиться с помощью меток. Затем он прогнозирует метки на основе некоторых предоставленных ему функций. Это может быть далее разбито на типы в зависимости от типа этикетки.
  • Если ярлык категориальный, это называется проблемой классификации. Если метка непрерывна, это называется проблемой регрессии.

  • Обучение под наблюдением требует исторических данных (которые уже помечены) для изучения и прогнозирования. После обучения на предыдущих данных его можно использовать для прогнозирования меток для новых данных.

Но что, если у нас нет исторических данных? У нас не будет «правильного ответа», на который можно было бы опереться, а просто функции. Давайте посмотрим, как решить эту проблему.

В таком случае нам нужно искать закономерности в данных и находить структуру. Это знакомит нас с:

2. ОБУЧЕНИЕ БЕЗ КОНТРОЛЯ

  • Этот тип алгоритмов не содержит размеченных данных. Вместо этого машина снабжена функциями, и ее задачей является кластеризация данных в похожие группы. Затем ученый/интерпретатор данных должен интерпретировать, что на самом деле означают кластеры.
  • В отличие от обучения с учителем, обучение без учителя во многом связано с знанием предметной области в том, что касается интерпретации результатов.

А как насчет всего интересного, что мы связываем с машинным обучением? Самоуправляемые автомобили, компьютеры учатся играть в игры... как это достигается?

Именно здесь на помощь приходит обучение с подкреплением. Давайте немного узнаем об этом.

3. ПОДДЕРЖИВАЕМОЕ ОБУЧЕНИЕ

  • Этот тип обучения использует метод проб и ошибок, чтобы выяснить, какой метод дает наибольшую отдачу.
  • Компоненты — агент (обучение / лицо, принимающее решения), среда (с чем взаимодействует агент), действие (задачи, которые должен выполнять агент).
  • Агент выбирает действия, которые максимизируют некоторую указанную метрику вознаграждения за заданный промежуток времени.

Это все для этой статьи, это был очень простой обзор нескольких алгоритмов машинного обучения, мы углубимся в него в следующих статьях.

Спасибо!