Uczenie maszynowe (ML)

Programowanie klasyczne wykorzystuje programy (algorytmy) do tworzenia wyników:

Uczenie maszynowe wykorzystuje wyniki do tworzenia programów (algorytmów):

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.

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.