J'ai essayé d'organiser les termes du Machine Learning que j'ai appris à ma manière.
Jusqu'à présent, les humains ont explicitement émis des commandes à des ordinateurs personnels dans la programmation. J'étais aux commandes du programme. C'est ce qu'on appelle l'apprentissage explicite.
Cette technique a ses limites, par exemple, pour de nombreux modèles tels que les filtres anti-spam. Il est difficile pour les humains de loguer explicitement tous les spams et de les empêcher à 100%. (Dur) Par conséquent, "l'apprentissage d'opportunité" est un concept conçu par Arthur Samuel en 1959, "un programme apprend de manière autonome des données à partir de données et de phénomènes que les êtres humains ne programment pas un par un pour créer la logique."
Il existe deux méthodes d'apprentissage principales pour l'apprentissage automatique.
· Enseignement supervisé ・ Apprentissage non supervisé
Il y a des données d'entraînement à l'avance et l'apprentissage est effectué en les utilisant comme guide. Les données à apprendre sont appelées l'ensemble de données de formation.
Comme exemple d'apprentissage supervisé Il y a Alpha go qui peut apprendre des centaines de millions de données de jeu Go et prendre le meilleur coup par rapport à la valeur de x, n'est-ce pas?
Pour résumer le flux
Passez la valeur x ↓ Prédire le résultat en comparant les données apprises avec a en apprenant en regardant les données prédéfinies. ↓ Renvoie les résultats obtenus par apprentissage
Exemple) A étudié pendant 7 heures-> Prédire le score en utilisant les données d'entraînement-> A devrait obtenir 75 points! Prédire
Je pense que ça ressemble à ça.
De plus, l'apprentissage supervisé peut être divisé en trois semaines environ.
· Régression ・ Classification binaire ・ Classification multi-étiquettes
Prédire les résultats avec un large éventail de prévisions
Exemple) Prédisez combien de points (0 à 100) vous obtiendrez en regardant le moment où vous avez étudié
Apprentissage des données pour classer les résultats vrais / faux
Exemple) Prédire s'il faut réussir ou échouer l'examen en regardant le temps passé à étudier Je pense que c'est la méthode d'apprentissage la plus simple en apprentissage supervisé.
Multi-label classification
Apprentissage des données pour classer plusieurs résultats
Exemple) Prédire des unités telles que A, B, C, D, E, F en regardant le temps passé à étudier
Il s'agit d'apprendre de la valeur de la demande sans avoir les données d'apprentissage à l'avance.
Pour donner un exemple d'apprentissage non supervisé, il existe Google Actualités qui regroupe de manière autonome des articles similaires. En effet, il est difficile d'anticiper des articles similaires à l'avance et de créer un ensemble de données À chaque fois, vous verrez le contenu de l'article, apprendrez les données et afficherez des articles similaires.
La prochaine fois, j'aimerais résumer la régression linéaire dans l'apprentissage Superviosrd.
Recommended Posts