Виды машинного обучения

обучение с учителем. В этом подходе предполагается, что есть полный набор размеченных данных для тренировки модели. Если проще: размеченный датасет животных научит нейросеть отличать собаку от уток. Каждое новое фото нейросеть будет сравнивать с примерами из обучающего датасета, чтобы предсказать ответ.

В основном этот подход используется для решения двух типов задач: классификации и регрессии.

с классификацией всё просто: в обучающем датасете каждая фотография носит метку, сообщающую о её принадлежности к определённому классу — те же собаки и утки.

регрессия, в отличие от классификации, работающей с дискретными значениями, орудует с непрерывными данными. Например, линейная регрессия предсказывает значения параметра Y в зависимости от значений параметра X на координатной оси.

Обучение с учителем выручает в задачах, где существует большой набор достоверных данных. Когда их нет, то и учить нечем. Нейросети приходится думать самой.

обучение без учителя направляет нейросеть в сторону самостоятельного нахождения корреляций и закономерностей в неразмеченных данных.

кластеризация — наиболее популярная задача. Решается так: подбираем похожие данные по общим значимым признакам, и группируем их вместе.

аномалии — противоположность кластеризации. Её цель — найти выброс в данных, то есть нетипичное значение, сильно отличающееся от остальных.

ассоциации. Если после покупки ярко-жёлтых очков онлайн-магазин предлагает добавить в корзину ещё и два сердечка на брелке, то, возможно, его рекомендательной системой управляет нейросеть, решающая эту задачу. Она предсказывает характеристики разных объектов, между которыми существует связь.

примером задачи, решаемой автоэнкодерами может быть удаление шумов из видеоданных.

обучение с подкреплением — метод проб и ошибок. Например, с его помощью нейросети учатся играть в шахматы. Его суть в итеративности и наличии обратной связи, позволяющей найти оптимальный путь для достижения цели. Действия, способствующие её достижению, вознаграждаются. Конечная цель — построить шаги таким образом, чтобы максимизировать награду. Автопилотируемые машины — пример такого рода обучения.

Источник: m.vk.com

Комментарии: