Học máy là gì?

Giới thiệu rất cơ bản về Machine Learning.

Khi chúng ta cho một đứa trẻ xem một quả táo và nói với nó rằng đó là “quả táo”, chúng sẽ không thể nắm bắt được điều này ngay lập tức. Nhưng giả sử một người sẽ tiếp tục cho họ xem một quả táo hàng ngày và nói với họ rằng đó là “quả táo”, và một ngày nọ, khi bạn đột nhiên quyết định cho họ xem một quả xoài và nói rằng đó là “quả táo”, hãy đoán xem… họ sẽ khóc và gọi bạn là kẻ phản bội. bởi vì bạn đã làm cho họ biết rằng một vật gần như tròn màu đỏ là một quả táo chứ không phải bất cứ thứ gì khác. Bây giờ, chúng ta hãy xem xét một chàng trai muốn làm bạn với một cô gái, nhưng không biết cô ấy thích hay không thích. Vì vậy, anh ấy mỗi ngày đều cho cô ấy một cái gì đó mới và ghi chú biểu cảm của cô ấy, cho dù họ đang hạnh phúc hay tức giận hay điều gì khác. Với điều này, anh ấy biết được những gì cô ấy thích và không thích và cuối cùng làm quen với cô ấy, sau hàng trăm lần cố gắng.

Cả hai điều này đều là ví dụ về cách một người có xu hướng học mọi thứ bằng cách nắm bắt thông tin được cung cấp cho họ, chỉ bằng cách biết kết quả cuối cùng (xác định quả táo là kết quả cuối cùng, kết bạn với cô gái là kết quả cuối cùng).

Đây chính xác là những gì máy móc làm. Khi chúng học từ dữ liệu mà chúng tôi cung cấp cho chúng, dữ liệu này có thể ở bất kỳ dạng nào và tự học mọi thứ, thì đó được gọi là Học máy. Vì vậy, học máy về cơ bản là khi máy học mọi thứ và thay vì chúng ta dạy chúng, chúng sử dụng dữ liệu trong quá khứ và kết quả cuối cùng và không được mã hóa rõ ràng, chúng tự dạy.

Bây giờ để hiểu các loại máy học, chúng ta hãy xem xét ví dụ mà chúng ta đã xem xét lúc đầu. Khi đứa trẻ đó được cho xem một “quả táo”, nó được bảo rằng đây là một quả táo, và nó được phát âm là APPLE. Đây là một dữ liệu được dán nhãn. Chúng tôi biết những gì chúng tôi đang được hiển thị biểu thị. Bây giờ hãy xem xét một ví dụ khác, trong thuật toán nhận dạng đối tượng, chúng ta có xu hướng sử dụng hàng triệu điểm dữ liệu được gắn nhãn biểu thị các đối tượng khác nhau. Đây cũng là một ví dụ về dữ liệu được dán nhãn. Bây giờ hãy xem xét một ví dụ khác khi chúng tôi cho trẻ xem một quả táo, nhưng không đề cập đến việc nó được gọi là “quả táo”, sau đó trẻ có xu hướng xác định một đồ vật gần như hình tròn màu đỏ, nhưng trẻ sẽ không thể nói đó là gì. được phát âm là APPLE. Nhưng, nếu bạn cho họ xem một thứ hình bầu dục màu vàng, anh ta sẽ có thể phân biệt giữa hai thứ và sẽ coi chúng là 2 thứ khác nhau. Loại dữ liệu này là dữ liệu chưa được gắn nhãn. Chúng tôi biết rằng có một sự khác biệt giữa hai đối tượng nhưng không thể đặt tên cho chúng, chúng không có bất kỳ nhãn nào. Vì vậy, khi chúng tôi đã dán nhãn dữ liệu cho máy học, tức là trường hợp trước, kiểu học này được gọi là Học có giám sát. Trong khi đó, khi chúng ta có dữ liệu chưa được gắn nhãn, tức là trường hợp sau, máy sẽ áp dụng phương pháp học không giám sát. Học có giám sát và học không giám sát, cả hai đều sử dụng phương pháp giảm thiểu lỗi để đưa ra kết quả. các máy áp dụng học tập không giám sát. Học có giám sát và học không giám sát, cả hai đều sử dụng phương pháp giảm thiểu lỗi để đưa ra kết quả. các máy áp dụng học tập không giám sát. Học có giám sát và học không giám sát, cả hai đều sử dụng phương pháp giảm thiểu lỗi để đưa ra kết quả.

Có một kiểu học khác, thay vì giảm thiểu lỗi, sử dụng kỹ thuật tối đa hóa phần thưởng. Hãy hiểu điều này với sự giúp đỡ của một ví dụ. Một lần nữa, chúng ta hãy gọi đứa trẻ nhỏ của chúng ta trở lại. Những gì chúng tôi làm lần này là chúng tôi nói với anh ấy một vài lần rằng một vật thể hình tròn màu đỏ là một quả táo, và mỗi khi anh ấy trả lời đúng, chúng tôi sẽ cho anh ấy một viên kẹo, một phần thưởng. Hãy xem xét ví dụ mà chàng trai ghi lại biểu cảm của cô gái. Trong trường hợp này, biểu cảm “sung sướng” của cô gái chính là phần thưởng cho chàng trai, qua đó anh biết được những điều cô thích. Kiểu học này, trong đó chúng ta có xu hướng tối đa hóa phần thưởng để tối đa hóa loại đầu ra mà chúng ta muốn, được gọi là Học tăng cường. Chúng ta hãy xem xét một ví dụ thực tế hơn để hiểu chính xác “phần thưởng” nghĩa là gì. Khi chúng ta thường chơi trò rắn săn mồi, chúng tôi đã sử dụng để bảo vệ con rắn khỏi va phải bất kỳ chướng ngại vật nào và đồng thời, chúng tôi cũng sử dụng để thu thập thức ăn giúp con rắn phát triển. Vì vậy, trong trường hợp này, thức ăn là phần thưởng. Hãy lưu ý rằng ví dụ về trò chơi con rắn này không phải là một ví dụ về học tăng cường, chúng tôi đã sử dụng nó ở đây để giải thích ý nghĩa của thuật ngữ “phần thưởng”.

Cuối cùng, một điều quan trọng cần lưu ý. Chúng ta không thể dùng muối trong cà phê hay đường trong cơm chiên. Tôi biết mọi người đều biết điều đó nhưng điều tôi muốn chỉ ra là có những thứ có ý nghĩa ở nơi này và dường như vô dụng ở nơi khác. Giả sử, chúng ta có thể tính thể tích của một hình trụ bằng một công thức cụ thể nhưng không thể sử dụng cùng công thức đó để tính thể tích của một hình hoàn toàn khác, chẳng hạn như một vật chứa hình lục giác. Có một bộ quy trình cụ thể cho một loại vấn đề cụ thể và chúng được gọi là thuật toán. Các thuật toán về cơ bản là các bước trong đó mọi thứ được thực hiện. Có một số loại thuật toán cho cả ba loại hình học và chúng ta có thể áp dụng chúng dựa trên loại vấn đề hiện có.

Không đi sâu vào các chi tiết phức tạp nữa, tôi xin kết thúc blog đầu tiên của mình tại đây. Cảm ơn bạn đã đọc nó cho đến khi kết thúc. Đừng để lại gợi ý của bạn. Và tôi không biết nó sẽ diễn ra như thế nào, nhưng tôi chỉ thích trải nghiệm viết blog đầu tiên của mình và cảm ơn mọi người vì đã đọc hết nó, những khán giả đầu tiên của tôi :)