Технический : область исследования, которая дает компьютерам возможность учиться без явного программирования.

Функциональность: говорят, что компьютерная программа учится на опыте E в отношении некоторой задачи T и некоторого показателя производительности P, если ее производительность на T, измеряемая P, улучшается с опытом E.

Неспециалист . Машинное обучение позволяет компьютерам учиться и делать выводы на основе данных.

Алгоритмы машинного обучения:

  1. контролируемое обучение
  2. Неконтролируемое обучение
  3. Обучение с подкреплением

контролируемое обучение

Обучение с учителем — это обучение, при котором мы обучаем или обучаем машину, используя данные, которые хорошо помечены, что означает, что некоторые данные уже помечены правильным ответом.

Обучение с учителем — это когда у вас есть входные переменные (x) и выходная переменная (Y), и вы используете алгоритм для изучения функции отображения от входа к выходу.

Y = f(X)

Цель состоит в том, чтобы аппроксимировать функцию отображения настолько хорошо, чтобы, когда у вас есть новые входные данные (x), вы могли предсказать выходные переменные (Y) для этих данных.

Это называется контролируемым обучением, потому что процесс обучения алгоритма на обучающем наборе данных можно рассматривать как учитель, контролирующий процесс обучения. Нам известны правильные ответы, алгоритм итеративно делает прогнозы на обучающих данных и корректируется учителем. Обучение останавливается, когда алгоритм достигает приемлемого уровня производительности.

Проблемы контролируемого обучения могут быть далее сгруппированы в проблемы регрессии и классификации.

  • Классификация:
     – Проблема классификации возникает, когда выходной переменной является категория, например "красный" или "синий", или "болезнь" и "отсутствие болезни".
     – Результат является непрерывным (числовым)
    . Цветочный магазин хочет угадать покупку клиента по сходству с самой последней покупкой.
  • Регрессия:
    - Проблема регрессии возникает, когда выходная переменная представляет собой реальное значение, например "доллары" или "вес".
    - Результат является дискретным (категория).

Некоторые распространенные типы задач, основанные на классификации и регрессии, включают рекомендации и прогнозирование временных рядов соответственно.

Некоторые популярные примеры контролируемых алгоритмов машинного обучения:

  • Линейная регрессия для задач регрессии.
  • Случайный лес для задач классификации и регрессии.
  • Машины опорных векторов для задач классификации.