machine-learning
मशीन लर्निंग और यह वर्गीकरण है
खोज…
मशीन लर्निंग क्या है?
मशीन लर्निंग की दो परिभाषाएँ प्रस्तुत की गई हैं। आर्थर सैमुअल ने इसका वर्णन किया:
अध्ययन का क्षेत्र जो कंप्यूटरों को स्पष्ट रूप से प्रोग्राम किए बिना सीखने की क्षमता देता है।
यह एक पुरानी, अनौपचारिक परिभाषा है।
टॉम मिशेल एक और अधिक आधुनिक परिभाषा प्रदान करता है:
एक कंप्यूटर प्रोग्राम को कहा जाता है कि अनुभव E से कुछ कार्यों के वर्ग T और प्रदर्शन माप P के संबंध में सीखें, यदि T से कार्यों में इसका प्रदर्शन, जैसा कि P द्वारा मापा जाता है, अनुभव E से सुधार होता है।
उदाहरण: चेकर्स खेलना।
ई = चेकर्स के कई गेम खेलने का अनुभव
टी = चेकर्स खेलने का कार्य।
पी = संभावना है कि कार्यक्रम अगला गेम जीत जाएगा।
सामान्य तौर पर, किसी भी मशीन सीखने की समस्या को दो व्यापक वर्गीकरणों में से एक को सौंपा जा सकता है:
- पर्यवेक्षित अध्ययन
- अशिक्षित शिक्षा।
पर्यवेक्षित शिक्षण क्या है?
सुपरवाइज्ड लर्निंग मशीन लर्निंग एल्गोरिदम का एक प्रकार है जो भविष्यवाणियों को बनाने के लिए एक ज्ञात डेटा-सेट (जिसे प्रशिक्षण डेटा-सेट कहा जाता है) का उपयोग करता है।
पर्यवेक्षित शिक्षण की श्रेणी:
- प्रतिगमन: एक प्रतिगमन समस्या में, हम एक निरंतर आउटपुट के भीतर परिणामों की भविष्यवाणी करने की कोशिश कर रहे हैं, जिसका अर्थ है कि हम कुछ सतत कार्य के लिए इनपुट चर को मैप करने का प्रयास कर रहे हैं।
- वर्गीकरण: एक वर्गीकरण समस्या में, हम इसके बजाय एक असतत उत्पादन में परिणामों की भविष्यवाणी करने की कोशिश कर रहे हैं। दूसरे शब्दों में, हम इनपुट वेरिएबल्स को असतत श्रेणियों में मैप करने का प्रयास कर रहे हैं।
उदाहरण 1:
अचल संपत्ति बाजार पर घरों के आकार के बारे में डेटा को देखते हुए, उनकी कीमत का अनुमान लगाने की कोशिश करें। आकार के एक समारोह के रूप में मूल्य एक निरंतर उत्पादन है, इसलिए यह एक प्रतिगमन समस्या है।
उदाहरण 2:
(ए) प्रतिगमन - निरंतर-प्रतिक्रिया मूल्यों के लिए। उदाहरण के लिए किसी व्यक्ति की तस्वीर दी गई है, हमें दी गई तस्वीर के आधार पर उनकी उम्र का अनुमान लगाना होगा
(बी) वर्गीकरण - श्रेणीबद्ध प्रतिक्रिया मूल्यों के लिए, जहां डेटा को विशिष्ट "वर्गों" में अलग किया जा सकता है। उदाहरण के लिए, एक मरीज को ट्यूमर के साथ दिया गया है, हमें यह अनुमान लगाना होगा कि ट्यूमर घातक है या सौम्य है।
अप्रशिक्षित शिक्षा क्या है?
अनसुनी शिक्षा हमें कम या कोई विचार नहीं बताती है कि हमारे परिणाम कैसा दिखना चाहिए। हम संरचना को डेटा से प्राप्त कर सकते हैं जहाँ हमें आवश्यक रूप से चर का प्रभाव नहीं पता है।
उदाहरण:
क्लस्टरिंग: खोजपूर्ण डेटा विश्लेषण के लिए उपयोग किया जाता है ताकि डेटा में छिपे हुए पैटर्न या ग्रुपिंग का पता लगाया जा सके। 1,000,000 अलग-अलग जीनों का एक संग्रह लें, और इन जीनों को स्वचालित रूप से उन समूहों में समूह बनाने का तरीका खोजें जो किसी तरह समान हों या विभिन्न चर, जैसे जीवन काल, स्थान, भूमिकाएं, और इसी तरह से संबंधित हों।