Soarten Machine Learning

De term Machine Learning (automatysk learen) ferwiist nei in set fan meganismen dy't hearre ta de wrâld fan keunstmjittige yntelliginsje. D'r binne trije soarten masine learen: begeliede, sûnder tafersjoch, en fersterking learen.

Mei dizze meganismen kinne in yntelliginte masine har kapasiteiten en prestaasjes oer tiid ferbetterje, automatysk learje mei ûnderfining om bepaalde taken út te fieren, en har prestaasjes mear en mear ferbetterje oer tiid. 

In foarbyld is AlphaGo, Machine Learning software foar de Go spultsje ûntwikkele troch Deepmind. AlpaGo wie de earste software dy't by steat wie om in minsklike master te ferslaan yn it spultsje op in fleantúch goban standert grutte (19 × 19). De AlphaGo-software waard oplaat troch miljoenen bewegingen te observearjen makke troch Go-spilers tidens ferskate spultsjes, en de masine tsjin himsels te spyljen, mei as gefolch dat it koe ferslaan wat leaude de bêste spiler yn 'e wrâld fan dit spul te wêzen.

Litte wy no gean nei de trije haadkategoryen fan masine learen.

Begeliede learen

It systeem ûntfangt foarbylden markearre neffens de winske útfier. Dat is, de datasets dy't nuttich binne foar it ynstruearjen fan 'e masine binne opboud út eleminten dy't echte situaasjes fertsjintwurdigje besteande út ynfiergegevens "features"En fan útfiergegevens"doel". Mei ferwizing nei it foarbyld fan it artikel Wat is Machine Learning, wêr't it oer giet en har doelen, de tarieding fan 'e oplieding wie fan it begeliede type, om't wy yndividuele gefallen fan rûtes hiene, foar elk fan hokker funksjes (auto, rûte) en doel (reistiid) waarden oantsjutte. Gegevens sets binne meastal folle komplekser, it foarbyld wie ekstreem beheind en didaktysk, mei it doel fan ferienfâldigjen it begryp fan Supervised Machine Learning.

In gefal fan dit type lit it algoritme de basis fan it type rûte en auto studearje, wat kin de reistiid wêze. D'r binne twa soarten problemen yn begeliede masine learen:

1. regression: as it doel opmakke is út in trochgeande fariabele, dat is in kwantiteit, in getal;
2. klassifikaasje: as it doel kin wurde fertsjintwurdige troch in klasse of kategory.

Troch it foarbyld fan autodykrûtes opnij te besjen, kinne wy ​​​​sizze dat it in regression is. As it doel bestie út in beoardieling lykas: fluch as minder dan in oere, stadich tusken 1 en twa oeren, heul stadich as mear dan twa oeren. Yn dit gefal soe it in klassifikaasjeprobleem west hawwe.

Learje sûnder tafersjoch

D'r binne gjin markearre gegevens, it is it systeem dat, útgeande fan 'e ynputs, in struktuer moat fine yn' e gegevens. Wy hawwe praktysk gjin doelen, mar allinich ynfiergegevens. As hiene wy ​​yn it foarbyld allinich de rûte- en autogegevens, mar net de reistiidgegevens.

Yn dizze oanpak moatte de algoritmen kategoryen identifisearje troch te sykjen nei ferburgen struktueren yn 'e gegevens. De wichtichste ark dy't brûkt wurde kinne yn 'e oanpak sûnder tafersjoch binne de klusterjen en de feriening regels.

Fersterking learen

It systeem krijt ynput fan de omjouwing en nimt aksjes. It systeem besiket aksjes te nimmen om beleanningen te ûntfangen. It systeem sil besykje aksjes út te fieren dy't de beleanning optimalisearje ôfhinklik fan 'e steat fan' e omlizzende omjouwing. 

It beleanningssysteem wurdt útfierd troch in komponint, neamd agent. De agint beslút in aksje dy't útfierd wurdt op it miljeu en dêrút krijt er ien lean en mooglik ynformaasje oer de steat fan it miljeu, as gefolch fan de inisjearre aksje.

As wy bygelyks tinke oan in systeem wijd oan it skaakspul, is de agint de komponint dy't de beweging beslút, de omjouwing is it spultsje sels. As gefolch fan elke beweging makke troch de agint feroaret de stân fan it spul (begripe as de aktuele situaasje, posysje fan alle stikken, ek as gefolch fan de beweging fan de tsjinstanner), it ûntfangen fan feedback as it stik fan in tsjinstanner opiten, dus bedoeld as beleanning foar de ferhuzing. Op dizze manier leart de agint en leart himsels op.

konklúzjes

It is dêrom dúdlik dat de kar tusken de soarten masine learen hinget ôf fan 'e kontekst. Dat is, it type oanpak wurdt keazen op basis fan de beskikbere gegevens en de mooglikheid om in skiednis te hawwen dy't de beskriuwing fan 'e omstannichheden fan elke yndividuele saak (ynput), en ek in resultaat (útfier) ​​omfettet. Dat mei in gegevensset fan dit type kinne jo trochgean mei in tafersjoch oanpak te brûken.

As jo, oan 'e oare kant, net de mooglikheid hawwe om de útfiergegevens (doel) a priori te kennen, of jo wolle nije doelen ûntdekke, dan is it needsaaklik om keppelings te identifisearjen tusken de ynfiergegevens om omstannichheden te ûntdekken dy't nea ûnderfûn binne yn 'e skiednis, of om te gean mei in learen nei in omjouwing dy't evoluearret en reagearret. Yn dit gefal is it nedich om te kiezen foar sûnder tafersjoch of fersterkingstechniken.

Ercole Palmeri: Ynnovaasje addicted