Въведение

Разходка с влакче до приказките на баба

Някога чудили ли сте се колко приличате на майка си и баба си? Не можете да отречете с мен, че вашата maa е мини-версия на вашата баба и вашата баба на нейната maa и т.н.. Ние предаваме нашия опит под формата на тайни съкровища, които използваме без усилие в нашите рецепти, стратегии , планиране и управление. Тези преживявания с нашите знания играят ключов фактор при вземането на решения. Не е ли вярно?

Сега е време за корелация

Нека се потопим направо в корените. Артър Самуел за първи път измисли фразата „Машинно обучение“ през 1952 г. Той разработи програма за пулове и възприе механизми, за да позволи на програмата му да се учи от всяка игра, докато не откри, че програмата се подобрява и подобрява, докато накрая започна да го побеждава в игра!

Машинното обучение учи машината „как да взема решения“, като й предоставя преживявания. И ако вашата машина става по-добра в своята задача, тя се учи!

Гмуркане в дефиницията

„Казва се, че една компютърна програма се учи от опит E по отношение на някакъв клас задачи T и мярка за изпълнение P, ако нейното представяне при задачи T, измерено чрез P, се подобрява с опит E“

Моделът на машинния цикъл

Обратно към детските спомени

Като дете си спомням, че ми казаха: „Това е коте“ и „това е кученце“. Спомням си, че научих числата и азбуките наизуст. Машините не правят изключение. Те се учат от данни. Но не всички данни се обработват. Данните трябва да бъдат анализирани ипочистени, така че нашата машина да се учи от тях. Помните ли как забравихте да си направите бележки за изпита и интернет ви помогна да подготвите и прецизирате данните си?

През цялото ни детство ние бяхме постоянно обучавани и наблюдавани, докато не започнахме да преминаваме през предизвикателствата на живота, съвсем сами. И сега сме готови да се изправим пред света! Подобно е и с машините. Ние ги обучаваме с различни алгоритми и ги тестваме, докато ни дадат добри резултати. След като това се случи, ние разгръщаме нашия модел, за да направи собствени прогнози.

Видове машинно обучение

Контролиран

Точно по начина, по който вашият учител ви е учил с бележки, въпроси, теория, предоставяща точно точния материал, от който се нуждаете, за да научите; вие предоставяте на машината голямо количество данни под формата на „набор от данни“. Вашата машина вече знае данните и се опитва да намери модели с етикетите, за да получи желания резултат. Двата вида контролирани форми на обучение са регресия и класификация.

Регресията се занимава с непрекъснати стойности на данните, докато класификацията се занимава с дискретни стойности. Да отидем и да си купим къща! Така че разглеждаме площта в квадратни футове и цените на различните къщи. Забелязваме, че колкото по-голяма е площта, толкова по-висока е цената. Ние предаваме тези данни на нашата машина и тя прогнозира цената, когато я захранваме с площта в квадратни фута! Това е регресия.

И така, какво става с Класификация? Банковата агенция решава дали да Ви отпусне кредита или не. Той е обучил своята машина за същото, като й е подавал данни. Но каква е прогнозата? Класифицира се на „Да“ или „Не“. Ние класифицираме настроенията на хората от техните туитове на щастливи, тъжни, неутрални. Това се нарича класификация.

Без надзор

Това е точно като „опитвате се да научите всичко сами“. Без помощ от учителя, без записки, без учебен материал. Така че, когато вашата машина няма данни, за да се справи с проблема, тя се опитва да групира или намери структура в данните. Това е обучение без надзор.

Клъстерирането е форма на обучение без надзор. Сещате ли се за пример? Забелязали ли сте как вашите Google Новини групират връзките на подобни новини в едно? Погледнете изображението и ще разберете. Как се извършва сегментирането на клиентите? Машината се опитва да групира клиентите в сегменти въз основа на групиране.

Така че това е с видовете обучение. Надяваме се, че сте разбрали добре аналогиите.

Резюме

  1. Машинното обучение е способността на машината да учи изрично, без да бъде програмирана. Свържете го с начина, по който сте се научили от вашия maa и сте развили своя опит.
  2. Машинното обучение включва стъпки от събиране на данни, почистване, анализиране, прилагане на модели за обучение и тестване на данните и накрая внедряване на модела. Помислете, че сте машината, която вашите старейшини са обучили, вие сте научили и сега най-накрая четете статия, за да научите на същото и машините.
  3. Машинното обучение може да бъде контролирано или неконтролирано. Контролираното обучение включва разглеждане на резултатите, за да се предвиди моделът. Без надзор включва намиране на структура в данните, когато не знаете много за резултатите.

Заключителни думи

Това е първият ми блог тук. И се опитах да бъда възможно най-прост, за да обясня подробностите за машинното обучение. Надявам се да ви хареса на всички. Ще измисля още такива блогове. Останете на линия.