Definition af madmaskinindlæring

Det grundlæggende begreb om Madmaskine Læring i datavidenskab involverer anvendelse af statistisk lærings- og optimeringsmetoder, der lader computere analysere datasæt og identificere mønstre (se en visuel maskinlæring via R2D3 ekstern link). Maskinindlæringsteknikker udnytter dataudviklingen for at identificere historiske tendenser for at informere fremtidige modeller.

Den typiske overvågede maskinlæringsalgoritme består af (omtrent) tre komponenter:

En beslutningsproces: En opskrift på beregninger eller andre trin, der tager dataene og returnerer en "gæt" på den slags mønster i de data, din algoritme er på udkig efter.
En fejlfunktion: En metode til måling af, hvor god gætten var ved at sammenligne den med kendte eksempler (når de er tilgængelige). Fik beslutningsprocessen det rigtigt? Hvis ikke, hvordan kvantificerer du "hvor dårlig" miss var?
En opdaterings- eller optimeringsproces: Hvor algoritmen ser på miss og opdaterer derefter, hvordan beslutningsprocessen kommer til den endelige beslutning, så næste gang miss ikke bliver så stor.
For eksempel, hvis du bygger en filmanbefaling, kan din algoritme's beslutningsproces se på, hvor lignende en given film er for andre film, du har set og komme med et vægtningssystem til forskellige funktioner.

Under træningsprocessen går algoritmen gennem de film, du har set og vægt på forskellige egenskaber. Er det en sci-fi-film? Er det sjovt? Algoritmen tester derefter ud, om det ender med at anbefale film, som du (eller folk som dig) faktisk så på. Hvis det får det rigtigt, forbliver de vægte, det brugte, de samme; Hvis det får en film forkert, bliver vægterne, der førte til, at den forkerte beslutning bliver afvist, så den ikke begår den slags fejl igen.

Da en maskinlæringsalgoritme opdaterer autonomt, forbedres den analytiske nøjagtighed med hvert kørsel, da den lærer sig selv fra de data, den analyserer. Denne iterative karakter af læring er både unik og værdifuld, fordi den forekommer uden menneskelig indgriben - hvilket giver evnen til at afsløre skjult indsigt uden at være specifikt programmeret til at gøre det.

Hvis du er interesseret i vores produkter, er velkommen til at besøge / .