Uczenie maszynowe (ML)
- Nadzorowane uczenie maszynowe
- Nienadzorowane uczenie maszynowe
- Samonadzorowane uczenie maszynowe
Programowanie klasyczne wykorzystuje programy (algorytmy) do tworzenia wyników:
Obliczenia tradycyjne
Dane + Algorytm Komputerowy = Wynik
Uczenie maszynowe wykorzystuje wyniki do tworzenia programów (algorytmów):
Nauczanie maszynowe
Dane + Wynik = Algorytm Komputerowy
Nauczanie maszynowe
Uczenie maszynowe jest często uważane za równoważne ze sztuczną inteligencją.
To nie jest poprawne. Uczenie maszynowe to podzbiór sztucznej inteligencji.
Uczenie maszynowe to dziedzina sztucznej inteligencji, która wykorzystuje dane do uczenia maszyn.
„Uczenie maszynowe to dziedzina, która daje komputerom możliwość uczenia się bez programowania”.
Artur Samuel (1959)
Nadzorowana nauka
Uczenie nadzorowane wykorzystuje dane oznaczone etykietami (dane ze znanymi odpowiedziami) do trenowania algorytmów w celu:
- Klasyfikuj dane
- Przewiduj wyniki
Uczenie nadzorowane może klasyfikować dane, takie jak „Co to jest spam w wiadomości e-mail”, na podstawie znanych przykładów spamu.
Uczenie nadzorowane może przewidywać wyniki, takie jak przewidywanie, jaki film lubisz, na podstawie odtworzonych filmów.
Nauka nienadzorowana
Uczenie nienadzorowane służy do przewidywania niezdefiniowanych relacji, takich jak znaczące wzorce w danych.
Chodzi o tworzenie algorytmów komputerowych, które mogą się poprawić.
Oczekuje się, że uczenie maszynowe przejdzie na uczenie nienadzorowane, aby umożliwić programistom rozwiązywanie problemów bez tworzenia modeli.
Samonadzorowana nauka
Samonadzorowane uczenie się jest podobne do uczenia się nienadzorowanego, ponieważ oba działają z danymi bez etykiet dodanych przez człowieka.
Różnica polega na tym, że uczenie nienadzorowane wykorzystuje grupowanie, grupowanie i redukcję wymiarowości, podczas gdy samonadzorowane uczenie się wyciąga własne wnioski dla zadań regresji i klasyfikacji.