1-topshiriq. Mashinani o’qitish. Lobe dasturida ishlash

1-topshiriq. Mashinani o’qitish. Lobe dasturida ishlash












2-topshiriq.Yarim nazoratli o’qitish (Semi-Supervised Machine Learning).
So'nggi yillarda yarim nazorat ostida o'qitish qiziqarli yangilik sifatida paydo bo'ldi.mashinani o'rganish bo'yicha tadqiqotlar yo'nalishi. Bu qanday qilib chuqur masalalar bilan chambarchas bog'liq ma'lumotlardan xulosa qilish, bu transduktiv xulosa bilan o'xshashligidan dalolat beradi (farqlar hali aniq bo'lishi kerak).Shu bilan birga, vaziyat bilan shug'ullanuvchi nisbatan kam etiketli ta'lim ballar mavjud, lekin ko'p sonli yorliqsiz nuqtalar berilgan, bu to'g'ridan-to'g'ri. Bu nisbatan qimmat bo'lgan ko'plab amaliy muammolarga tegishli etiketli ma'lumotlarni ishlab chiqarish, masalan, veb-sahifalarni avtomatik tasniflash. Maydon sifatida,yarim nazorat ostida o'qitish turli xil vositalar to'plamidan foydalanadi va kichik miqyosda tasvirlaydi,mashinani o'rganishning turli sohalarida ishlab chiqilgan murakkab mexanizmlar yadro usullari yoki Bayes texnikasi sifatida.Biz yarim nazorat ostida o'rganish ustida ishlaganimizda, biz etishmasligidan xabardor edik mavjud yondashuvlarning vakolatli sharhi. Mukammal dunyoda, bunday umumiy ko'rinish amaliyotchiga ham, kirishni istagan tadqiqotchiga ham yordam berishi kerak bu hudud. Yaxshi o'rganilgan monografiya bunday bo'shliqni to'ldirishi mumkin; ammo,Yarim nazorat ostida ta'lim sohasi buning uchun hali yetarlicha etuk emas.Uch yildan keyin chiqadigan kitob yozishdan ko'ra, biz shunday qaror qildik Buning o'rniga biz tomonidan taklif qilingan eng so'nggi tahrirlangan jildni taqdim etish sohaning ko'plab etakchi tarafdorlari. Uni oddiy to'plamdan ko'proq qilish uchun maqolalar qatorida biz boblar yaxlit yaxlit bo'lishini ta'minlashga harakat qildik va izchil notalardan foydalaning. Bundan tashqari, biz qisqacha kirish yozdik, asosiy falsafasidagi ba'zi davom etayotgan munozaralarni ko'rsatadigan dialog soha va biz keng qamrovli etalonni tashkil qildik va umumlashtirdik yarim nazorat ostida o'rganish.Ikkinchi vazifa - nazorat ostida o'rganish. Maqsad xaritalashni o'rganishdir x dan y gacha o'rganish, juftlikdan tashkil topgan o'quv to'plami (xi, yi). Bu erda yi ∈ Y deyiladi xi misollarining teglari yoki maqsadlari . Agar teglar raqamlar bo'lsa, y = (yi) ⊤ i∈[n] teglarning ustun vektorini bildiradi. Shunga qaramay, standart talab - bu juftliklar (xi , yi) namunalar olinadi i.i.d. Bu erda X × Y dan ortiq bo'lgan ba'zi taqsimotlardan. Vazifa aniq belgilangan, chunki xaritani bashorat qilish orqali baholash mumkin test misollarida ishlash. Y = R yoki Y = R bo'lganda d (yoki umuman olganda, qachon teglar uzluksiz), vazifa regressiya deb ataladi. Ushbu kitobning aksariyat qismiga e'tibor qaratiladi tasnifi (23-bobda regressiya bo'yicha ba'zi ishlar mavjud), ya'ni. y chekli to'plamdagi qiymatlarni oladi (diskret teglar). Algoritmlarning ikkita oilasi mavjud nazorat ostida o'rganish uchun generativ. Yarim nazorat ostida o'rganish juda ko'p yorliqlanmagan bo'lsa foydali bo'ladi belgilanganidan ko'ra ma'lumotlar. Agar ma'lumotlar nuqtalarini olish arzon bo'lsa, bu sodir bo'lishi mumkin, ammo yorliqlarni olish ko'p vaqt, kuch yoki pul talab qiladi. Ko'pchilikda shunday mashinani o'rganishni qo'llash sohalari, masalan: Nutqni aniqlashda katta hajmdagi nutqni yozib olish deyarli hech qanday xarajat qilmaydi, lekin uni etiketlash uchun ba'zi odamlar uni tinglash va transkript yozishni talab qiladi. Milliardlab veb-sahifalar to'g'ridan-to'g'ri avtomatlashtirilgan ishlov berish uchun mavjud, ammo ularni ishonchli tarzda tasniflang, odamlar ularni o'qishlari kerak. Proteinlar ketma-ketligi bugungi kunda sanoat tezligida (genomlar ketma-ketligi, hisoblash genlarini topish va avtomatik tarjima orqali) olinadi, ammo uch o'lchovli (3D) tuzilmani hal qilish yoki bitta oqsilning funktsiyalarini aniqlash uchun mumkin ko'p yillik ilmiy ish talab qiladi.