Machine learning

Helpful Books

May mga ad

Tungkol sa app na ito

Machine pag-aaral ay isang larangan ng computer science na nagbibigay sa mga sistema ng computer ng kakayahan upang "malaman" (ibig sabihin, progressively mapabuti ang pagganap sa isang tiyak na gawain) na may data, nang hindi tahasang program.

Ang pangalan ko Machine sa pag-aaral ay likha sa 1959 sa pamamagitan ng Arthur Samuel. Nagbago mula sa pag-aaral ng pattern recognition at computational aaral ng teorya sa artificial intelligence, pagkatuto ng makina explores ang pag-aaral at pagbuo ng algorithm na maaaring matuto mula sa at gumawa ng mga paghuhula sa data - tulad algorithm pagtagumpayan sumusunod na mahigpit na static tagubilin programa sa pamamagitan ng paggawa ng data-driven na mga paghuhula o desisyon , 2 sa pamamagitan ng pagbuo ng isang modelo mula sa mga sample input. Machine pag-aaral ay nagtatrabaho sa isang hanay ng computing gawain na kung saan ang pagdisenyo at programming tahasang algorithm na may magandang pagganap ay mahirap o infeasible; Halimbawa aplikasyon isama ang email filtering, pagtuklas ng mga intruders network o malisyosong insiders nagtatrabaho patungo sa isang paglabag ng data, optical character recognition (OCR), pag-aaral upang rangguhan, at computer vision.

Machine pag-aaral ay malapit na nauugnay sa (at madalas ay nakapatong sa) computational statistics, na rin naka-focus sa mga hula-paggawa sa pamamagitan ng paggamit ng mga computer. Ito ay may malakas na relasyon sa matematikal na pag-optimize, na naghahatid ng mga pamamaraan, teorya at application domain sa field. Machine pag-aaral ay minsan conflated sa data mining, kung saan ang huli ang subfield nakatutok higit pa sa exploratory data analysis at ay kilala bilang unsupervised pag-aaral. vii Machine sa pag-aaral ay maaari ding maging unsupervised at maaaring gamitin upang malaman at magtatag ng baseline sa pag-uugali ng mga profile para sa iba't ibang mga entity at pagkatapos ay ginagamit upang humanap ng makabuluhang mga anomalya.

Sa loob ng patlang ng data analytics, pagkatuto ng makina ay isang pamamaraan na ginamit upang makabuo ng mga kumplikadong mga modelo at mga algorithm na ipahiram ang kanilang sarili sa hula; sa komersyal na paggamit, ito ay kilala bilang mahuhulain analytics. Ang mga analytical modelo payagan ang mga mananaliksik, ang data siyentipiko, inhinyero, at analyst sa "makabuo ng maaasahang, repeatable mga desisyon at mga resulta" at alisan ng takip "nakatagong mga pananaw" sa pamamagitan ng pag-aaral mula sa mga makasaysayang mga relasyon at mga uso sa data.

Ang mabisang pagkatuto ng machine ay mahirap dahil sa paghahanap ng mga pattern ay mahirap at madalas na hindi sapat na data ng pagsasanay ay magagamit bilang isang resulta, machine-learning programa ay madalas na mabibigo upang maihatid.