ВВЕДЕНИЕ
Теперь многим из вас должно быть интересно, что подразумевается под машинным обучением? 🤷♂️ или некоторые из вас могут сказать «Определить машинное обучение».
- Итак, прежде чем ответить на приведенное выше утверждение, давайте обсудим сценарий, предположим, что вы играете в Subway Surfer, многие из нас уже знакомы с этой игрой, это одна из самых популярных игр в игровом магазине. Таким образом, когда мы начинаем, когда мы видим поезд, мы врезаемся в него, а затем выясняем, что всякий раз, когда поезд приближается, мы должны скользить влево или вправо к безопасному пути. Далее мы натыкаемся на «барьер-ловушку», мы начинаем снова, на этот раз мы знаем, что если «барьер-ловушка» есть, мы должны прыгать. Поэтому чем больше мы играем, тем больше мы учимся на своих прошлых ошибках и исправляем их соответствующим образом.
Точно так же обстоит дело и с машинами: мы даем какие-то инструкции/среду, машины делают ошибки во время обучения, учатся на них и исправляют себя. Это один из сценариев того, что мы подразумеваем под машинным обучением.
Давайте взглянем на формальное определение «Машинное обучение — это приложение искусственного интеллекта (ИИ), которое предоставляет системам возможность автоматически обучаться и совершенствоваться на основе опыта без явного программирования» Теперь будет понятнее, так как вы уже видели сценарий. Давайте разберемся еще с некоторыми понятиями, связанными с ним.
Классификация машинного обучения:
Контролируемое обучение:
Также известное как помеченное обучение, нам дается несколько наборов входных данных и соответствующих им выходных данных для проверки ответов. Машина учится на предоставленных нами обучающих данных и пытается предсказать вывод некоторых новых данных, когда мы их передаем. Пример :
Обучение без учителя:
Также известное как немаркированное обучение, когда нам даются только обучающие данные, а машины пытаются различать черно-белые данные на основе их различных характеристик и группировать их вместе. Пример :
Обучение с подкреплением:
В основном используется в игровых средах. Здесь мы имеем дело с агентом и средой. Предположим, что машине дана среда, она выполняет действие, которое приводит к некоторым последствиям, которые могут быть положительными и отрицательными. Она снова совершает какое-то действие, и циклы продолжаются. Цель здесь состоит в том, чтобы максимизировать вознаграждение. Пример :
Есть еще одна категория машинного обучения, которая частично контролируется, но давайте закончим сессию здесь, так как я хочу, чтобы мои читатели сначала поняли основы, а мы углубимся в нее.
Спасибо за ваше время 🙌 , Не стесняйтесь писать любые предложения ниже… Если вы чувствуете, что получили какие-то знания, не забудьте поаплодировать 👏
