機械学習

データを解析し、データによって学習し、情報に基づいて決定するアルゴリズム.
「機械学習」は、所定のデータで機能を実行し、時間が経つにつれて徐々に強化されることを意味する.例えば、「暗い」と言うたびに懐中電灯が点灯し、「暗い」という言葉が含まれていることに気づきます.

深さ学習と機械学習の違い

実際,深さ学習は機械学習のサブ概念である.基本的な機械学習モデルは機能的に絶えず改善されているが,いくつかの指導が必要である.AIアルゴリズムが不正確な予測を返す場合、技術者が介入して調整する必要がある.深さ学習モデルはアルゴリズムが自分のニューラルネットワークを通じて予測の正確性を自分で判断することを可能にする.
懐中電灯の例に戻りましょう.「暗い」という言葉の音声信号を意識すると、懐中電灯をプログラムして点灯させることができます.学習を続け、単語が含まれている文を認識すると、最終的にランプをつけることができます.懐中電灯に奥行きモードがある場合、懐中電灯が「見えない」または「スイッチが入らない」という信号を発した場合、光センサを使用して点灯する必要があることを理解することができます.深さ学習モデルは,自分の計算方法(すなわち,自分の頭があるように見える技術)で学ぶことができる.
深さ学習モデルは,人間の結論に類似した論理構造を用いてデータを持続的に解析することを目的とする.これを実現するために,深さ学習アプリケーションは人工ニューラルネットワークと呼ばれる階層アルゴリズム構造を用いた.人工ニューラルネットワークの設計インスピレーションは人間の脳の生物ニューラルネットワークから来ており、標準的な機械学習モデルよりも良い学習過程を提供している.
両者の違いは以下のように要約される.

機械学習アルゴリズムを用いてデータを分析し、データから学習し、学習した情報に基づいて決定する.

深さ学習アルゴリズムを階層化し、「人工ニューラルネットワーク」を作成し、自分で学習し、知能的な意思決定を行うことができます.

深さ学習は機械学習のサブ概念である.どちらも広範な人工知能カテゴリに属しているが、人類に最も似た人工知能を駆動するのは深い学習である.

機械学習分類

機械学習は大きく分けて指導学習,非指導学習,強化学習に分けられる.

学習を指導する.

学習用にラベルを追加します.(予習回答)

非指導学習

ラベルがない場合は、自分でデータを似たようなグループ化、トレーニング、学習を行います.

学習を強化する.

行動によって奨励を与え、学習を最大化する奨励を与える.

直接分類デジタル手書き

デジタル手書き画像データセットMNISTを読み込む

from tensorflow import keras

(x_train, y_train), (x_test, y_test) = keras.datasets.mnist.load_data()

テストセットのサンプルデータを10個表示

import matplotlib.pyplot as plt

for i in range(0,10): # 0~9까지
    plt.imshow(x_test[i]) # x_test 데이터를 이미지화해서 불러옴
    plt.show()

cf.白黒としてインポート

for i in range(0,10):
    plt.imshow(x_test[i], cmap='gray')
    plt.show()

各例のラベルを記録した後、記録された配列をファイルとして保存します。

import numpy as np

y_pred = [7, 2, 1, 0, 4, 1, 4, 9, 5, 9]

np.savetxt('y_pred.csv', y_pred, fmt='%d') # 파일명, 저장할 변수, fmt는 데이터 형태