Μηχανική μάθηση
Η μηχανική μάθηση (machine learning) είναι μια περιοχή της τεχνητής νοημοσύνης η οποία αφορά αλγορίθμους και μεθόδους που επιτρέπουν στους υπολογιστές να «μαθαίνουν». Με τη μηχανική μάθηση καθίσταται εφικτή η κατασκευή προσαρμόσιμων (adaptable) προγραμμάτων υπολογιστών τα οποία λειτουργούν με βάση την αυτοματοποιημένη ανάλυση συνόλων δεδομένων και όχι τη διαίσθηση των μηχανικών που τα προγραμμάτισαν. Η μηχανική μάθηση επικαλύπτεται σημαντικά με τη στατιστική, αφού και τα δύο πεδία μελετούν την ανάλυση δεδομένων.
Πίνακας περιεχομένων |
Ορισμός [Επεξεργασία]
Το 1959, ο πρωτοπόρος σχεδιαστής παιχνιδιών Άρθρουρ Σάμουελ (Arthur Samuel) όρισε ως μηχανική μάθηση "Το πεδίο μελέτης όπου δίνει στους υπολογιστές την δυνατότητα να μαθαίνουν χωρίς να έχουν χωρίς να έχουν προγραμματιστεί". [1]
To 1997 o Τομ Μ. Μιτσέλ (Tom M. Mitchell) έδωσε ένα πιο επίσημο ορισμό ο οποίος χρησιμοποιείται ευρέως: "Ένα πρόγραμμα υπολογιστή λέγεται ότι μαθαίνει από μια εμπειρία E σε σχέση μια σειρά από έργα T και μια μέτρηση της απόδοσης P ή οποία βελτιώνεται με την εμπειρία Ε" (Στα Αγγλικά "A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E". [2] [3]
Κατηγορίες [Επεξεργασία]
Οι αλγόριθμοι μηχανικής μάθησης κατηγοριοποιούνται ανάλογα με το επιθυμητό αποτέλεσμα του αλγορίθμου. Οι συνηθέστερες κατηγορίες είναι οι εξής:
- Επιτηρούμενη μάθηση, επιβλεπόμενη μάθηση ή μάθηση με επίβλεψη (supervised learning), όπου ο αλγόριθμος κατασκευάζει μια συνάρτηση που απεικονίζει δεδομένες εισόδους σε γνωστές, επιθυμητές εξόδους (σύνολο εκπαίδευσης), με απώτερο στόχο τη γενίκευση της συνάρτησης αυτής και για εισόδους με άγνωστη έξοδο (σύνολο ελέγχου).
- Μη επιτηρούμενη μάθηση, ανεπίβλεπτη μάθηση ή μάθηση χωρίς επίβλεψη (unsupervised learning), όπου ο αλγόριθμος κατασκευάζει ένα μοντέλο για κάποιο σύνολο εισόδων χωρίς να γνωρίζει επιθυμητές εξόδους για το σύνολο εκπαίδευσης.
- Ενισχυτική μάθηση (reinforcement learning), όπου ο αλγόριθμος μαθαίνει μια στρατηγική ενεργειών για μια δεδομένη παρατήρηση.
Η ανάλυση των αλγόριθμων μηχανικής μάθησης είναι ένας κλάδος της στατιστικής που ονομάζεται θεωρία μάθησης.
Παραπομπές [Επεξεργασία]
- ↑ Phil Simon (March 18, 2013). Too Big to Ignore: The Business Case for Big Data. Wiley. σελ. 89. ISBN 978-1118638170. http://books.google.gr/books?id=Dn-Gdoh66sgC&pg=PA89#v=onepage&q&f=false.
- ↑ Tom M. Mitchell (1997). Machine Learning. σελ. 2. ISBN 0-07-042807-7.
- ↑ John Wang (2003). Data mining: opportunities and challenges. Idea Group Pub. σελ. 261. ISBN 978-1591400516. http://books.google.gr/books?id=Nyvaaq9pI40C&pg=PA261#v=onepage&q&f=false.
Βιβλιογραφία [Επεξεργασία]
- Bishop, C. M. (1995). Neural Networks for Pattern Recognition, Oxford University Press. ISBN 0-19-853864-2
- MacKay, D. J. C. (2003). Information Theory, Inference, and Learning Algorithms, Cambridge University Press. ISBN 0-521-64298-1
- Mitchell, T. (1997). Machine Learning, McGraw Hill. ISBN 0-07-042807-7
