Когда мы сталкиваемся с этим словом или когда у нас есть предмет в наших академических или факультативных занятиях, мы взволнованы, поскольку это самая популярная и продвинутая тема, в которой большая часть нашего будущего может быть изменена с помощью этой области. Поскольку у многих есть требования, интерес начнется с изучения книг, лекций, курсовых платформ и т. Д. (У каждого есть свой собственный ресурс). В этом блоге я хочу простыми словами объяснить основы машинного обучения.
Машинное обучение = машина + обучение
где под машиной можно понимать программное обеспечение, устройство, код и т. д., и, как мы все знаем, обучение относится к усвоению знаний или получению знаний в результате действия и применению их для дальнейших целей. Простыми словами полученные знания также можно назвать опытом
Из вышеизложенного мы можем написать определение: машинное обучение — это программное обеспечение или код, который дает результат на основе опыта, полученного в результате другого действия.
Если вы понимаете приведенное выше определение, напишите техническое определение, предложенное Томом Митчеллом в 1999 году: «Говорят, что компьютерная программа учится на опыте E в отношении некоторого класса задач T и показателя производительности P. , если его производительность при выполнении задач в T, измеряемая P, улучшается с опытом E».
Проще говоря, производительность программы (P) должна быть улучшена за счет выполнения задач (T) некоторого класса путем получения опыта (E).
В зависимости от типа обучения (принятия) алгоритмы машинного обучения делятся на 2 типа:
- Контролируемое машинное обучение
- Неконтролируемое машинное обучение
Изучение алгоритма — это не что иное, как входные данные, которые мы даем, чтобы получить опыт и получить соответствующие результаты. Входные данные, которые мы даем для получения минимального опыта, — это не что иное, как обучающие данные. Как мы можем сказать, данные обучения могут быть помечены и не помечены.
- Контролируемое машинное обучение:
Контролируемое машинное обучение — это тип машинного обучения, в котором помеченные данные используются в качестве обучения, и ожидается, что данные тестирования (которые не помечены) будут помечены стандартной мерой производительности.
Пример: классификация неизвестных данных путем накопления опыта на основе уже классифицированных данных.
2. Неконтролируемое машинное обучение
Неконтролируемое машинное обучение — это тип машинного обучения, при котором немаркированные данные и получение опыта путем группировки соответствующих данных в группы ожидают, что следующие немаркированные данные будут помечены стандартной мерой производительности.
Пример: группировка немаркированных данных с использованием сходства между ними.
Ресурсы: