Основная идея машинного обучения, в чем ее суть?

Прорыв в машинном обучении стоил бы десяти Microsoft.

Машинное обучение заставляет компьютеры программировать себя. Если программирование - это автоматизация, то машинное обучение автоматизирует процесс автоматизации.

Создание программного обеспечения - это узкое место, у нас не хватает хороших разработчиков. Пусть данные делают свою работу, а не люди. Машинное обучение - это способ сделать программирование масштабируемым.Традиционное программирование: данные и программа запускаются на компьютере для получения результата.

Машинное обучение: данные и вывод обрабатываются на компьютере для создания программы. Эту программу можно использовать в традиционном программировании. Ключевые элементы машинного обучения. Существуют десятки тысяч алгоритмов машинного обучения, и каждый год разрабатываются сотни новых алгоритмов.

Каждый алгоритм машинного обучения состоит из трех компонентов:

1.Представление: как представить знания. Примеры включают деревья решений, наборы правил, экземпляры, графические модели, нейронные сети, опорные векторные машины, ансамбли моделей и другие.

2.Оценка: способ оценки кандидатских программ (гипотез). Примеры включают точность, предсказание и отзыв, квадратичную ошибку, правдоподобие, апостериорную вероятность, стоимость, маржу, расхождение энтропии k-L и другие.

3.Оптимизация: способ создания программ-кандидатов, известный как процесс поиска. Например комбинаторная оптимизация, выпуклая оптимизация, оптимизация с ограничениями.

Все алгоритмы машинного обучения представляют собой комбинации этих трех компонентов. Основа для понимания всех алгоритмов.

Типы обучения

Есть четыре типа машинного обучения:

1.Обучение с учителем: (также называемое индуктивным обучением) Данные обучения включают желаемые результаты. Это спам, это не так, обучение контролируется.

2.Обучение без учителя: данные обучения не содержат желаемых результатов. Пример - кластеризация. Трудно сказать, что такое хорошее обучение, а что нет.

3.Полу-контролируемое обучение: данные обучения включают в себя несколько желаемых результатов.

4.Обучение с подкреплением: награды за последовательность действий. Типам ИИ это нравится, это самый амбициозный вид обучения.

Обучение с учителем является наиболее зрелым, наиболее изученным и используемым в большинстве алгоритмов машинного обучения типом обучения. Учиться под присмотром намного проще, чем учиться без надзора.

===============================================

Индуктивное обучение - это когда нам даются примеры функции в виде данных (x) и выходных данных функции (f (x)). Цель индуктивного обучения - изучить функцию для новых данных (x).

Классификация: когда изучаемая функция дискретна.

Регрессия: когда изучаемая функция является непрерывной.

Оценка вероятности: когда выходом функции является вероятность.

===============================================

Индуктивное обучение

Что такое индуктивное обучение?

С точки зрения индуктивного обучения нам даются входные выборки (x) и выходные выборки (f (x)), и задача состоит в том, чтобы оценить функцию (f). В частности, проблема состоит в том, чтобы сделать обобщение на основе выборок и сопоставления, чтобы они были полезны для оценки выходных данных для новых выборок в будущем.На практике почти всегда слишком сложно оценить функцию, поэтому мы ищем очень хорошие приближения функции.