Mashinalarni o'rganishda maqsadli funktsiyani taxmin qilish

65.
Mashinalarni o'rganishda maqsadli funktsiyani taxmin qilish
Nazorat ostidagi mashinani o'rganish, kirish o'zgaruvchilarini (X) chiqish o'zgaruvchisiga (Y) moslashtiradigan maqsadli funktsiyani (f) yaqinlashtirish sifatida yaxshi tushuniladi.
Y = f(X)
Bu xarakteristikalar tasniflash va bashorat qilish muammolari doirasini va ularni hal qilish uchun ishlatilishi mumkin bo'lgan mashina algoritmlarini tavsiflaydi.
Maqsadli funktsiyani ta'lim ma'lumotlaridan o'rganishda muhim e'tibor - bu modelning yangi ma'lumotlarga qanchalik yaxshi umumlashtirilishi. Umumlashtirish muhimdir, chunki biz to'playdigan ma'lumotlar faqat namunadir, u to'liq emas va shovqinli.

BEPUL Algoritmlarning aql xaritasini oling

Mashinani o'rganish uchun qulay algoritmlarning aql xaritasi namunasi.
Men turi bo'yicha tuzilgan 60 dan ortiq algoritmlardan iborat qulay aql xaritasini yaratdim.
Uni yuklab oling, chop eting va foydalaning. 
Bepul yuklab olish

Shuningdek, elektron pochta mini-kurslarida mashinani o'rganish algoritmlariga eksklyuziv kirish huquqiga ega bo'ling.

Mashinani o'rganishda umumlashtirish
Mashinani o'rganishda biz o'quv ma'lumotlaridan maqsadli funktsiyani o'rganishni induktiv o'rganish sifatida tasvirlaymiz.
Induksiya aniq misollardan umumiy tushunchalarni o'rganishni anglatadi, bu aynan nazorat qilinadigan mashinani o'rganish muammolarini hal qilishga qaratilgan muammodir. Bu deduksiyadan farq qiladi, bu esa aksincha bo'lib, umumiy qoidalardan aniq tushunchalarni o'rganishga intiladi.
Umumlashtirish, mashinani o'rganish modeli tomonidan o'rganilgan tushunchalarning model o'rganayotganda ko'rmagan aniq misollarga qanchalik mos kelishini anglatadi.
Yaxshi mashinani o'rganish modelining maqsadi o'quv ma'lumotlaridan muammoli sohadagi har qanday ma'lumotlarga yaxshi umumlashtirishdir. Bu bizga model hech qachon ko'rmagan ma'lumotlar bo'yicha kelajakda bashorat qilish imkonini beradi.
Mashinani o'rganish modeli qanchalik yaxshi o'rganishi va yangi ma'lumotlarni umumlashtirishi haqida gapirganda, mashinani o'rganishda ishlatiladigan terminologiya mavjud, ya'ni haddan tashqari moslash va mos kelmaydi.
Haddan tashqari moslash va mos kelmaslik mashinani o'rganish algoritmlarining yomon ishlashining ikkita eng katta sababidir.
Statistik muvofiqlik
Statistikada moslashish maqsad funksiyaga qanchalik yaqin ekanligingizni bildiradi.
Bu mashinani o'rganishda foydalanish uchun yaxshi terminologiya, chunki nazorat ostidagi mashinani o'rganish algoritmlari kirish o'zgaruvchilari berilgan chiqish o'zgaruvchilari uchun noma'lum asosiy xaritalash funktsiyasini taxmin qilishga intiladi.
Statistikalar ko'pincha moslik darajasini tavsiflaydi, bu funktsiyaning yaqinlashuvi maqsadli funktsiyaga qanchalik mos kelishini baholash uchun ishlatiladigan o'lchovlarga tegishli.
Ushbu usullarning ba'zilari mashinani o'rganishda foydalidir (masalan, qoldiq xatolarni hisoblash), ammo bu usullarning ba'zilari biz taxmin qilayotgan maqsadli funktsiya shaklini bilishimizni taxmin qiladi, bu esa mashinani o'rganishda emas.
Agar biz maqsadli funktsiyaning shaklini bilganimizda, shovqinli o'quv ma'lumotlari namunalaridan taxminiy ma'lumotlarni o'rganishga urinmasdan, to'g'ridan-to'g'ri bashorat qilish uchun foydalanardik.