機械学習は、コンピューターが人間の学習行動をどのようにシミュレートまたは実装して新しい知識やスキルを獲得し、既存の知識構造を再編成して自身のパフォーマンスを継続的に向上させるかを研究することに特化しています。機械学習が解決できる問題: 1. 分類問題、2. 回帰問題、3. クラスタリング問題。
このチュートリアルの動作環境: Windows 7 システム、Dell G3 コンピューター。
機械学習とは何ですか?
機械学習とは、コンピューターのデータの一部を学習し、他のデータを予測・判断することです。
機械学習の中核は、「アルゴリズムを使用してデータを解析し、そこから学習し、新しいデータについて意思決定や予測を行う」ことです。つまり、コンピュータは、得られたデータからあるモデルを導き出し、そのモデルを使って予測を行うという、人間の学習プロセスに似ています。新しい問題を予測できる。
例を挙げましょう。アリペイの春節「五福を集めよう」活動は誰もが知っています。私たちは携帯電話を使用して「福」という単語の写真をスキャンし、「福」という単語を識別します。これには機械が使用されます。学習方法。 「福」という単語の写真データをコンピュータに提供すると、アルゴリズムモデルのトレーニングを通じてシステムが継続的に更新および学習し、「福」という単語が含まれる新しい写真を入力すると、機械がその単語があるかどうかを自動的に識別します。写真の「福」。
機械学習は、確率論、統計学、コンピューター サイエンス、その他の分野を含む複数分野の学際的な主題です。機械学習の概念は、大量のトレーニング データを入力してモデルをトレーニングし、モデルがデータに含まれる潜在的なパターンを把握し、新しく入力されたデータを正確に分類または予測できるようにすることです。以下の図に示すように:
#機械学習はどのような種類の問題を解決できるでしょうか?
機能的な観点から分類すると、機械学習は特定のレベルのデータに関する次の問題を解決できます:
1. 分類問題: データ サンプルから抽出された特徴によると、限られた数のカテゴリのどれに属するかを決定します。例: スパムの識別 (結果カテゴリ: 1. スパム 2. 通常のメール)。
2. 回帰問題: データ サンプルから抽出された特徴に基づいて連続値の結果を予測します。例: Xing Ye の「人魚」の興行収入
3. クラスタリングの問題: データ サンプルから抽出された特性に従って、サンプルがグループ化されます (類似または関連するサンプルは 1 つのグループ内にあります)。例: Google のニュース分類。
上記の一般的な問題を、機械学習の最も典型的な 2 つのカテゴリに分類してみましょう。
分類問題と回帰問題は、結果がわかっているデータを使用してトレーニングする必要があります。「教師あり学習」に属する問題は、「教師あり学習」に属します。
クラスタリング問題は、「教師あり学習」に属しません。ラベルを知る必要があります。それは「教師なし学習」に属します。
FAQ 列をご覧ください。
以上が機械学習とは何ですか?機械学習はどのような問題を解決できるのでしょうか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。