Что такое машинное обучение?
Машинное обучение — это ветвь искусственного интеллекта, которая включает в себя компьютер и его вычисления. При машинном обучении компьютерная система получает необработанные данные, и компьютер выполняет расчеты на их основе. Разница между традиционными компьютерными системами и машинным обучением заключается в том, что в традиционных системах у программиста нет встроенных кодов высокого уровня, которые могли бы различать вещи. Следовательно, он не может делать идеальные или точные расчеты. Но в модели машинного обучения это чрезвычайно сложная система, которая включает данные высокого уровня для выполнения экстремальных вычислений на уровне, соответствующем человеческому интеллекту, поэтому она способна делать отличные прогнозы. В целом его можно разделить на две конкретные категории: контролируемые и неконтролируемые. Существует также еще одна категория искусственного интеллекта, называемая полунаблюдением.
ОД под присмотром
С помощью этой формулы компьютер учат, что делать и как делать с помощью примеров. Здесь компьютеру предоставляется большой объем размеченных и структурированных данных. Недостатком этой системы является то, что компьютеру требуется большой объем данных, чтобы стать экспертом в конкретной задаче. Данные, которые служат входными данными, поступают в систему с помощью различных алгоритмов. Как только процесс предоставления компьютерным системам доступа к этим данным и выполнения конкретной задачи завершен, вы можете предоставить новые данные для нового и более точного ответа. Различные типы алгоритмов, используемых в этом типе машинного обучения, включают логистическую регрессию, K-ближайших соседей, полиномиальную регрессию, наивный байесовский алгоритм, случайный лес и т. д.
Неконтролируемое отмывание денег
В этом типе данные, используемые в качестве входных, не помечены и не структурированы. Это означает, что никто не просматривал данные раньше. Это также означает, что ввод никогда не может управлять алгоритмом. Данные подаются только в систему машинного обучения и используются для обучения модели. Он пытается найти конкретную закономерность и дать нужный ответ. Разница лишь в том, что работу выполняет машина, а не человек. Некоторыми из алгоритмов, используемых в этом неконтролируемом машинном обучении, являются разложение уникальных значений, иерархическая группировка, несколько квадратов, анализ основных компонентов, нечеткие среды и т. д.
Поддерживающее обучение
Ускоренное обучение машинному обучению очень похоже на традиционные системы. Здесь машина использует алгоритм для поиска данных методом проб и ошибок. После этого система сама решает, какой метод принесет наиболее эффективный результат. Машинное обучение в основном включает три элемента: агент, среду и действия. Агент — это тот, кто является учеником или тот, кто принимает решения. Среда — это атмосфера, с которой взаимодействует агент, а действия считаются выполненной агентом работой. Это происходит, когда агент выбирает наиболее эффективный метод и действует соответствующим образом.
