Maschinelles Lernen - Was ist maschinelles Lernen?

Betrachten Sie die folgende Abbildung, die ein Diagramm der Immobilienpreise im Verhältnis zu ihrer Größe in Quadratfuß zeigt.

Nachdem wir verschiedene Datenpunkte auf dem XY-Diagramm gezeichnet haben, zeichnen wir eine am besten passende Linie, um unsere Vorhersagen für jedes andere Haus aufgrund seiner Größe zu treffen. Sie geben die bekannten Daten an die Maschine weiter und bitten sie, die am besten passende Linie zu finden. Sobald die Maschine die beste Anpassungslinie gefunden hat, testen Sie ihre Eignung, indem Sie eine bekannte Hausgröße eingeben, dh den Y-Wert in der obigen Kurve. Die Maschine gibt nun den geschätzten X-Wert zurück, dh den erwarteten Preis des Hauses. Das Diagramm kann extrapoliert werden, um den Preis eines Hauses zu ermitteln, das 3000 Quadratfuß oder noch größer ist. Dies wird in der Statistik als Regression bezeichnet. Insbesondere wird diese Art der Regression als lineare Regression bezeichnet, da die Beziehung zwischen X- und Y-Datenpunkten linear ist.

In vielen Fällen ist die Beziehung zwischen den X- und Y-Datenpunkten möglicherweise keine gerade Linie und es kann sich um eine Kurve mit einer komplexen Gleichung handeln. Ihre Aufgabe wäre es nun, die am besten passende Kurve herauszufinden, die extrapoliert werden kann, um die zukünftigen Werte vorherzusagen. Ein solches Anwendungsdiagramm ist in der folgenden Abbildung dargestellt.

Quelle:

https://upload.wikimedia.org/wikipedia/commons/c/c9/

Sie werden die statistischen Optimierungstechniken verwenden, um hier die Gleichung für die beste Anpassungskurve herauszufinden. Und genau darum geht es beim maschinellen Lernen. Sie verwenden bekannte Optimierungstechniken, um die beste Lösung für Ihr Problem zu finden.

Als nächstes betrachten wir die verschiedenen Kategorien des maschinellen Lernens.