Kirish. Mashinali o'rgatishda o'rgatish turlari Sun’iy intellekt tarixi

1. Clustering - Unsupervised Learning

Rasmning o'ng tomonida siz mijozlar guruhlangan grafikni ko'rishingiz mumkin. A guruhi mijozlari ko'proq ma'lumotdan foydalanadilar va qo'ng'iroqlar davomiyligi ham yuqori. B guruhi mijozlari Internet foydalanuvchilari, C guruhi mijozlari esa qo'ng'iroq foydalanuvchilari. Shunday qilib, B guruhiga ko'proq ma'lumot imtiyozlari beriladi, C guruhiga esa arzonroq qo'ng'iroq tariflari rejalari beriladi va A guruhiga ikkalasining foydasi beriladi.

2. Association - Unsupervised Learning

Aytaylik,birinchi xaridor supermarketga borib, non, sut, meva va bug'doy sotib oladi. Yana bir mijoz kelib non, sut, guruch, sariyog‘ sotib oladi. Endi boshqa mijoz kelsa, u non olsa, sut ham sotib olish ehtimoli katta. Demak, mijozning xatti-harakati asosida munosabatlar o'rnatiladi va tavsiyalar beriladi.

Real-Life Applications of Unsupervised Learning

Semantik tahlil

Semantik jihatdan o'xshash so'zlar o'xshash kontekstga ega. Odamlar o'zlarining so'rovlarini veb-saytlarga o'zlariga xos tarzda joylashtiradilar. Semantik klasterlash mijoz o'zi xohlagan ma'lumotni tez va oson topishini ta'minlash uchun barcha javoblarni bir xil ma'noga ega bo'lgan klasterda guruhlaydi. U ma'lumot olish, yaxshi tanib olish tajribasi va tushunishda muhim rol o'ynaydi.

On-line internetni optimallashtirish

Mashinali o’rgatish modellari talabni bashorat qilish va taklifni ushlab turish uchun ishlatiladi. Ular, shuningdek, talab yuqori bo'lgan do'konlarni ochish va o'tmishdagi ma'lumotlar va xatti-harakatlarga muvofiq yanada samarali etkazib berish uchun ildizlarni optimallashtirish uchun ishlatiladi.

Reinforcement learning

Mustahkamlovchi o'rgatish (reinforcement learning) – har bir presedent uchun "holat, qabul qilingan yechim" juftligi beriladi. Bu o’qitishning mukammal usuli bo’lib unda model o’z-o’zini qayta o’qitish natijalarni yaxshilash imkoniyatiga ega bo’ladi.

Mashinali o'rgatish usullari

• Faol o'rgatish – o'rgatilgan algoritm keyingi holatni o'zi mustaqil belgilash imkoniyatiga ega.
• O'qituvchining qisman ishtirokida o'rgatish (semi-supervised learning) – presedentlarning bir qismi uchun "holat, kerakli yechim" juftligi beriladi, qolganlari uchun faqat "holat".
• Ko'p masalali o'rgatish (multi-task learning) – o'zaro bog'liq masalalar guruhini bir paytda o'rgatish
• Ko'p variantli o'rgatish (multiple-instance learning) – presedentlar guruhlanishi mumkin va har bir guruhda faqat bittasi uchun "holat, kerakli yechim" juftligi ma'lum, lekin qaysi presedent uchunligi noma'lum
• Busting (boosting) – mashinali o'rgatish algoritmlarini ketma-ket qurish, bunda har bir keying algoritm oldingi barcha algoritmlarning kamchiligini to'ldirishga harakat qiladi