Типы машинного обучения и его методы для аспирантов
Машинное обучение — это приложение искусственного интеллекта, которое предоставляет системам возможность автоматически учиться и совершенствоваться на основе опыта без явного программирования. Основная цель машинного обучения — позволить компьютерам автоматически обучаться без вмешательства или помощи человека и соответствующим образом корректировать действия. Например, если нам нужно умножить какое-то огромное число как человеку, это требует времени, но машина может сделать эту долю секунды. Такие вещи, как ROC Curve, являются частью машинного обучения. Это также привело к появлению таких вещей, как Учебник по нейронным сетям и Усиление градиента.
Реальные примеры машинного обучения, медицинской диагностики, обработки изображений, классификации, прогнозирования, регрессии и т. д.
Методы машинного обучения: -
Контролируемое машинное обучение.
Обучение под наблюдением может применить то, что было изучено в прошлом, к новым данным, используя помеченные примеры для прогнозирования будущих событий. Контролируемое машинное обучение — это процесс, в котором мы обучаем и обучаем машину, используя данные, которые хорошо помечены, что означает, что некоторые данные уже помечены правильным ответом. Алгоритм SVM является частью алгоритма. Он классифицирует две категории: —
Классификация: проблема классификации возникает, когда выходной переменной является категория, например болезнь или отсутствие болезни.
Регрессия: регрессия — это когда выходная переменная представляет собой реальное значение, такое как доллары и вес.
Машинное обучение без учителя.машинное обучение без учителя – это обучение использованию информации, которая классифицирована или помечена, и позволяющее алгоритму действовать на основе этой информации без руководства. Оно классифицирует две категории.
Кластеризация: проблема кластеризации заключается в том, что мы должны сгруппировать данные.
Ассоциация: проблема ассоциации заключается в том, что мы должны обнаружить правила, описывающие большую часть данных.
