machine-learning
Rodzaje uczenia się
Szukaj…
Nadzorowana nauka
Maszyna uczy się przewidywać dane wyjściowe po otrzymaniu danych wejściowych.
Każdy przypadek szkoleniowy składa się z danych wejściowych i docelowych.
Regresja
Wyjście docelowe przyjmuje wartości ciągłe.
- Prognozowanie ceny akcji
- Prognozowanie ceny domu
Klasyfikacja
Docelowym wyjściem jest etykieta klasy.
- Jakiego rodzaju owocem jest wkład
- Jakim językiem jest słowo
Nauka wzmocnienia
Maszyna musi automatycznie określić idealne zachowanie, aby zmaksymalizować wydajność.
Na przykład:
Korzystając ze uczenia wzmacniającego, możesz także stworzyć program komputerowy, który może ukończyć poziom Mario ( MarI / O - Machine Learning for Video Games ).
Uczenie się bez nadzoru
Uczenie się bez nadzoru pozwala nam podchodzić do problemów, nie mając pojęcia, jak powinny wyglądać nasze wyniki. Możemy uzyskać strukturę na podstawie danych, w których niekoniecznie znamy wpływ zmiennych.
Najczęstszym rodzajem uczenia się bez nadzoru jest analiza skupień lub klastrowanie . Zadanie polega na zgrupowaniu zestawu obiektów w taki sposób, aby obiekty w tej samej grupie (klastrze) były bardziej do siebie podobne niż obiekty w innych grupach.
Istnieje również nauka bezklastrowa bez nadzoru. Przykładem tego jest identyfikacja poszczególnych głosów i muzyki z siatki dźwięków. Nazywa się to „algorytmem koktajlowym”.