Các cách học từ dữ liệu

Máy học từ ví dụ như thế nào?

Thay vì viết một quy tắc cho từng trường hợp, ta có thể dùng dữ liệu để xây dựng mô hình. Điều này không có nghĩa không còn thuật toán hoặc con người thiết kế; thuật toán học tìm ra quy luật từ dữ liệu.

Xét cách cung cấp thông tin cho việc học

Học máy là một lĩnh vực của AI. Học có giám sát dùng ví dụ kèm nhãn/kết quả cần học; phân loại dự đoán nhóm, hồi quy dự đoán giá trị số. Học không giám sát tìm cấu trúc trong dữ liệu chưa có nhãn đích, chẳng hạn phân cụm. Học tăng cường học hành động qua tương tác và tín hiệu thưởng. “Nhãn” không phải tên cột bất kì; đó là kết quả mục tiêu được cung cấp cho ví dụ học. Hệ được huấn luyện xong có thể dự đoán mà không tự học lại mỗi lần nhận yêu cầu.

Phân loại và hồi quy

Ảnh lá cây kèm tên loại cây phục vụ học phân loại. Dữ liệu căn nhà kèm giá bán phục vụ học dự đoán giá số. Cả hai có kết quả đích đi kèm nên thuộc học có giám sát, dù đầu ra một bên là nhóm, một bên là số.

Thử vận dụng

Chia các khách hàng thành nhóm theo hành vi mà không có sẵn nhãn nhóm thuộc cách nào?

AHọc có giám sát theo nhãn nhómBPhân cụm không giám sátCChỉ sao chép tệpDChỉ mã hóa kí tự

Tín hiệu thưởng

Một tác tử trong trò chơi thử hành động, nhận điểm thưởng và điều chỉnh cách chọn để đạt tổng thưởng tốt hơn. Mô tả này thể hiện học tăng cường. Điểm thưởng không đồng nghĩa một người đã gắn nhãn đúng cho mọi hành động ngay từ đầu.

Ví dụ xem cách làm

Một bảng gồm diện tích, số phòng và giá nhà. Khi học dự đoán giá, cột nào đóng vai trò kết quả đích?

Ví dụ xem cách làm

Một mô hình dự đoán đúng nhãn ảnh mới có chứng minh nó vừa học lại từ ảnh đó không?

Những điều cần nhớ

Phân loại cách học bằng dữ liệu và phản hồi được cung cấp. Phân biệt đặc trưng, kết quả đích, huấn luyện và dự đoán.