Uczenie maszynowe - co to jest uczenie maszynowe?

Rozważ poniższy wykres, który przedstawia wykres cen domów w zależności od ich wielkości w stopach kwadratowych.

Po narysowaniu różnych punktów danych na wykresie XY, rysujemy najlepiej dopasowaną linię, aby wykonać nasze prognozy dla dowolnego innego domu, biorąc pod uwagę jego rozmiar. Podasz znane dane do maszyny i poprosisz ją o znalezienie najlepiej dopasowanej linii. Gdy maszyna znajdzie najlepiej dopasowaną linię, przetestujesz jej przydatność, wprowadzając ją do budynku o znanej wielkości, tj. Wartość Y na powyższej krzywej. Maszyna zwróci teraz szacunkową wartość X, tj. Oczekiwaną cenę domu. Wykres można ekstrapolować, aby ustalić cenę domu o powierzchni 3000 stóp kwadratowych lub nawet większego. Nazywa się to regresją w statystykach. W szczególności ten rodzaj regresji nazywany jest regresją liniową, ponieważ związek między punktami danych X i Y jest liniowy.

W wielu przypadkach zależność między punktami danych X i Y może nie być linią prostą, a może to być krzywa ze złożonym równaniem. Twoim zadaniem byłoby teraz znaleźć najlepszą krzywą dopasowania, którą można ekstrapolować, aby przewidzieć przyszłe wartości. Jeden taki wykres aplikacji pokazano na poniższym rysunku.

Źródło:

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

Użyjesz tutaj statystycznych technik optymalizacji, aby znaleźć równanie dla najlepiej dopasowanej krzywej. I na tym właśnie polega uczenie maszynowe. Korzystasz ze znanych technik optymalizacji, aby znaleźć najlepsze rozwiązanie problemu.

Następnie przyjrzyjmy się różnym kategoriom uczenia maszynowego.