Общие понятия
Содержание
WARNING
СТАТЬЯ В АКТИВНОЙ РАЗРАБОТКЕ
О чём писать
Объекты и признаки, классификация задач и подходов (с учителем и тд, классификация и тд), примеры задач
Машинное обучение
| Определение: |
| Машинное обучение (англ. Machine learning) — процесс, который даёт возможность компьютерам обучаться выполнять что-то без явного написания кода. |
A.L. Samuel Some Studies in Machine Learning Using the Game of Checkers // IBM Journal. July 1959. P. 210–229.
| Определение: |
| Говорят, что компьютерная программа учится на опыте $E$ относительно некоторой задачи $T$ и некоторой меры производительности $P$, если ее производительность на T, измеренная P, улучшается с опытом . |
T.M. Mitchell Machine Learning. McGraw-Hill, 1997.
Классификация задач машинного обучения
- Обучение с учителем (англ. Supervised learning)
- Обучение без учителя (англ. Unsupervised learning)
- Обучение с частичным привлечением учителя (англ. Semi-supervised learning)
- Обучение с подкреплением (англ. Reinforcement learning)
- Активное обучение (англ. Active learning)
- Обучение в реальном времени (англ. Online learning)
- Структурное предсказание (англ. Structured prediction)
- Выбор модели и валидация (англ. Model selection and validation)
Supervised learning
A set of examples with answers is given. A
rule for giving answers for all possible
examples is required:
• classification;
• regression;
• learning to rank;
• forecasting.
Unsupervised learning
A set of examples without answers is given.
A rule for finding answers or some
regularity is required:
• clustering;
• association rules learning;
• recommender systems*;
• dimension reduction**.
How are the objects described? f j ∶ X → D j , j = 1, ... , n are features or attributes. Feature types: • binary: D j = 0, 1 ; • categorical: D j is finite; • ordinal: D j is finite and ordered; • numerical: D j = R.
См. также
Примечания
Источники информации
- [1] $-$ курс лекций Воронцова
