Machine Learning
機械学習はその名の通り「機械学習」である.
学習・訓練・ルール・パターン
指導学習(監督学習)、非指導学習(非監督学習)、強化学習(強化学習) 指導学習 入力と目標からなるトレーニングデータを用いてモデルをトレーニングする 使用:明日の天気予測、迷惑メール分類
非指導学習(無監督学習) 無目標トレーニングデータ使用 使用:構成パターン、クラスタ(クラスタ)等のグループ(評価が困難)
強化学習(強化学習) マシン学習アルゴリズムを用いてエージェントを訓練し,エージェントの実行に応じて奨励する. 最大報酬獲得を目指し、Agentは所与の環境で多くのタスクを遂行し、学習 使用:無人機、電子ゲーム、Alpha Go
ルールを探して修正するプロセス ルールは何ですか? モデル式での重み付けと買手(スライス) 例)1.5 x+0.1=y(yが1より大きいと翌日雨が降ると予測) 上記冷却訓練データとルールの関係を数学的にモデリングした結果 xは入力、yは目標、1.5は重み付け、0.1はバイヤー.すなわち,入力に乗じた数=重み,加算された数=買手という両者の機械学習におけるルール 訓練データで学習する機械学習アルゴリズムは、通常数学的に表示される トレーニングのルールに従って、見られる重みと重みの加算をモデルパラメータと呼ぶ. モデル修正に必要な損失関数(損失関数) 新たに入力モデル予測の出力値が実際の目標値と異なる場合、 モデル予測値と目標値の差を計算する関数定義を定義し、損失関数と呼ぶ. この場合、損失関数の最小値を探す有効な方法が最適化アルゴリズムである. 選択学習(補習・非補習・強化学習)方法 トレーニングデータを用いて重みと買手ルールを生成してトレーニングする; 訓練されたアルゴリズムを作成する--モデル 作成したモデルが正しくない場合は損失関数を用いて最適化アルゴリズムを探し出す.
四大用語
1.勉強
3つの学習方法があります
指導学習(監督学習)、非指導学習(非監督学習)、強化学習(強化学習)
입력 : 모델이 풀어야할 문제
타깃 : 모델이 맞춰야할 정답
훈련 데이터 : 모델을 만들기 위한 입력,타깃 데이터
모델 : 훈련된 알고리즘 결과물 (좋은 훈련데이터가 많아야 모델이 잘만들어짐)
2.トレーニング
モデル人
n/a.結論
Reference
この問題について(Machine Learning), 我々は、より多くの情報をここで見つけました https://velog.io/@idnnbi/Machine-Learningテキストは自由に共有またはコピーできます。ただし、このドキュメントのURLは参考URLとして残しておいてください。
Collection and Share based on the CC Protocol