คำจำกัดความของการเรียนรู้ของเครื่องอาหาร

แนวคิดพื้นฐานของ เครื่องกินอาหาร การเรียนรู้ด้านวิทยาศาสตร์ข้อมูลเกี่ยวข้องกับการใช้การเรียนรู้ทางสถิติและวิธีการเพิ่มประสิทธิภาพที่ให้คอมพิวเตอร์วิเคราะห์ชุดข้อมูลและระบุรูปแบบ (ดูภาพของการเรียนรู้ของเครื่องผ่านลิงก์ภายนอก R2D3) เทคนิคการเรียนรู้ของเครื่องใช้ประโยชน์จากการขุดข้อมูลเพื่อระบุแนวโน้มประวัติศาสตร์เพื่อแจ้งรูปแบบในอนาคต

อัลกอริธึมการเรียนรู้ของเครื่องจักรที่ดูแลโดยทั่วไปประกอบด้วย (ประมาณ) สามองค์ประกอบ:

กระบวนการตัดสินใจ: สูตรการคำนวณหรือขั้นตอนอื่น ๆ ที่ใช้ในข้อมูลและส่งคืน "เดา" ตามรูปแบบของข้อมูลอัลกอริทึมของคุณกำลังมองหา
ฟังก์ชั่นข้อผิดพลาด: วิธีการวัดว่าการเดานั้นดีเพียงใดโดยเปรียบเทียบกับตัวอย่างที่รู้จัก (เมื่อมีอยู่) กระบวนการตัดสินใจทำให้ถูกต้องหรือไม่? ถ้าไม่คุณจะหาปริมาณ "แย่แค่ไหน" พลาดได้อย่างไร?
กระบวนการอัปเดตหรือการเพิ่มประสิทธิภาพ: ในกรณีที่อัลกอริทึมดูที่ MISS แล้วอัปเดตว่ากระบวนการตัดสินใจมาถึงการตัดสินใจขั้นสุดท้ายเพื่อให้ครั้งต่อไปที่พลาดจะไม่ยอดเยี่ยม
ตัวอย่างเช่นหากคุณกำลังสร้างผู้แนะนำภาพยนตร์กระบวนการตัดสินใจของอัลกอริทึมของคุณอาจดูว่าภาพยนตร์เรื่องนี้คล้ายกับภาพยนตร์อื่น ๆ ที่คุณดูและสร้างระบบถ่วงน้ำหนักสำหรับคุณสมบัติที่แตกต่างกันอย่างไร

ในระหว่างกระบวนการฝึกอบรมอัลกอริทึมจะต้องผ่านภาพยนตร์ที่คุณดูและน้ำหนักคุณสมบัติที่แตกต่างกัน มันเป็นหนังไซไฟหรือไม่? มันตลกไหม อัลกอริทึมจากนั้นทดสอบว่ามันจบลงด้วยการแนะนำภาพยนตร์ที่คุณ (หรือคนอย่างคุณ) ดูจริงหรือไม่ หากทำให้ถูกต้องน้ำหนักที่ใช้อยู่เหมือนกัน หากมันทำให้ภาพยนตร์ผิดน้ำหนักที่นำไปสู่การตัดสินใจที่ผิดจะถูกปฏิเสธดังนั้นมันจึงไม่ได้ทำผิดพลาดแบบนั้นอีก

เนื่องจากอัลกอริทึมการเรียนรู้ของเครื่องอัพเดทอย่างอิสระความแม่นยำในการวิเคราะห์จะดีขึ้นในแต่ละการทำงานตามที่สอนตัวเองจากข้อมูลที่วิเคราะห์ ธรรมชาติของการเรียนรู้ซ้ำ ๆ นี้มีทั้งที่ไม่เหมือนใครและมีค่าเพราะมันเกิดขึ้นโดยไม่มีการแทรกแซงของมนุษย์ - ให้ความสามารถในการเปิดเผยข้อมูลเชิงลึกที่ซ่อนอยู่โดยไม่ได้รับการตั้งโปรแกรมให้ทำเช่นนั้นโดยเฉพาะ

หากคุณสนใจผลิตภัณฑ์ของเรายินดีต้อนรับไปเยี่ยมชม / .