Машинное обучение

Что такое машинное обучение?

Это метод анализа данных, который автоматизирует построение аналитических моделей. Процесс помогает компьютерам учиться на своем опыте без необходимости программирования.

Алгоритмы машинного обучения используют вычислительные методы для «изучения» информации напрямую из данных. Они повышают свою производительность по мере увеличения количества доступных выборок.

Основные виды машинного обучения

1. Простые данные.
   Понятные признаки

   
Классическое 
обучение

2. 
Данных нет, но есть 
среда, с которой можно
взаимодействовать

   Обучение 
с подкреплением

3. Когда качество
правда проблема

   Ансамбли

4. Сложные данные.
 Непонятно где признак. 
Есть вера в чудо

   Нейросети 
и глубокое обучение

Какие виды машинного обучения бывают?

Классическое обучение

При классическом обучении компьютер получает набор данных и признаки, а система изучает и генерирует алгоритм, описывающий отношения между ними. Этот алгоритм может быть использован для вывода будущих наборов данных.

Классическое обучение показывает отличные результаты с простыми данными и требует меньших финансовых вложений.

Обучение с подкреплением

Алгоритм ищет решение проблемы в интерактивной среде, методом проб и ошибок, и не требует данных. Система сталкивается с игровой ситуацией — получает либо вознаграждение, либо наказание за выполняемые действия.

Ансамбли

Технология, комбинирующая несколько алгоритмов для получения одной оптимальной модели. Ансамбли позволяют делать надежные прогнозы — при этом, они не нуждаются в большом наборе данных, обязательного для глубокого обучения.

Нейросети и глубокое обучение

Глубокое обучение имитирует работу человеческого мозга при обработке данных и используют нейронные сети, способные учиться без помощи человека. Для обучения необходимы большой набор данных, а также сложные нейросетевые архитектуры.

Алгоритмы подходят для работы с неструктурированными данными и могут достигать точности, превышающей производительность человека.