machine-learning
Типы обучения

Обучаемое обучение

Машина научится прогнозировать выход при подаче ввода.

Каждый учебный случай состоит из ввода и целевого выхода.

регрессия

Целевой вывод принимает непрерывные значения.

• Прогнозирование цены акции
• Предсказание цены на дом

классификация

Конечный результат - это метка класса.

• Какой вид фруктов представляет собой
• Какой язык является словом

Укрепление обучения

Машина должна автоматически определять идеальное поведение, чтобы максимизировать его производительность.

Например:

Используя обучение усилению, вы также можете сделать компьютерную программу, которая может завершить уровень Марио ( MarI / O - Machine Learning for Video Games ).

Неконтролируемое обучение

Неконтролируемое обучение позволяет нам приблизиться к проблемам, которые мало или вообще не представляют, как выглядят наши результаты. Мы можем получить структуру из данных, где мы не обязательно знаем влияние переменных.

Наиболее распространенным типом неконтролируемого обучения является кластерный анализ или кластеризация . Задача состоит в том, чтобы группировать набор объектов таким образом, чтобы объект в той же группе (кластере) был более схожим друг с другом, чем с другими группами.

Существует также некластеризованное неконтролируемое обучение. Примером этого является идентификация отдельных голосов и музыки из сетки звуков. Это называется «Алгоритм коктейльной партии».