Μηχανική μάθηση: Διαφορά μεταξύ των αναθεωρήσεων

Από τη Βικιπαίδεια, την ελεύθερη εγκυκλοπαίδεια
Περιεχόμενο που διαγράφηκε Περιεχόμενο που προστέθηκε
μ προστέθηκε η Κατηγορία:Μηχανική μάθηση (με το HotCat)
Paren8esis (συζήτηση | συνεισφορές)
μ removed invalid reference
Γραμμή 1: Γραμμή 1:
Η '''μηχανική μάθηση''' (machine learning) είναι μια περιοχή της [[τεχνητή νοημοσύνη|τεχνητής νοημοσύνης]] η οποία αφορά [[αλγόριθμος|αλγορίθμους]] και μεθόδους που επιτρέπουν στους [[ηλεκτρονικός υπολογιστής|υπολογιστές]] να «μαθαίνουν». Με τη μηχανική μάθηση καθίσταται εφικτή η κατασκευή ''προσαρμόσιμων'' (adaptable) [[πρόγραμμα υπολογιστή|προγραμμάτων υπολογιστών]] τα οποία λειτουργούν με βάση την αυτοματοποιημένη ανάλυση συνόλων δεδομένων και όχι τη διαίσθηση των μηχανικών που τα προγραμμάτισαν. Η μηχανική μάθηση εφαρμόζεται σε μια σειρά από μηχανογραφικών εργασιών όπου η χρήση αλγορίθμων, τόσο κατά το σχεδιασμό όσο και κατά τον προγραμματισμό τους είναι απαραίτητη. Παραδείγματα εφαρμογών αποτελούν το spam filtering<ref>{{Cite web|url = https://en.wikipedia.org/wiki/Email_filtering|title = Email filtering|date = |accessdate = |website = |publisher = |last = |first = }}</ref><ref>{{Cite web|url = |title = |date = |accessdate = |website = |publisher = |last = |first = }}</ref>, η οπτική αναγνώριση χαρακτήρων<ref>{{Cite web|url = https://el.wikipedia.org/wiki/%CE%9F%CF%80%CF%84%CE%B9%CE%BA%CE%AE_%CE%91%CE%BD%CE%B1%CE%B3%CE%BD%CF%8E%CF%81%CE%B9%CF%83%CE%B7_%CE%A7%CE%B1%CF%81%CE%B1%CE%BA%CF%84%CE%AE%CF%81%CF%89%CE%BD|title = Οπτική Αναγνώριση Χαρακτήρων|date = |accessdate = |website = |publisher = |last = |first = }}</ref> (OCR), οι μηχανές αναζήτησης<ref>{{Cite web|url = https://el.wikipedia.org/wiki/%CE%9C%CE%B7%CF%87%CE%B1%CE%BD%CE%AE_%CE%B1%CE%BD%CE%B1%CE%B6%CE%AE%CF%84%CE%B7%CF%83%CE%B7%CF%82|title = Μηχανή Αναζήτησης|date = |accessdate = |website = |publisher = |last = |first = }}</ref> και η υπολογιστική όραση<ref>{{Cite web|url = https://el.wikipedia.org/wiki/%CE%9C%CE%B7%CF%87%CE%B1%CE%BD%CE%B9%CE%BA%CE%AE_%CF%8C%CF%81%CE%B1%CF%83%CE%B7|title = Μηχανική όραση|date = |accessdate = |website = |publisher = |last = |first = }}</ref>. Η μηχανική μάθηση επικαλύπτεται σημαντικά με τη [[στατιστική]], αφού και τα δύο πεδία μελετούν την ανάλυση δεδομένων,όπως επίσης και με τη εξόρυξη δεδομένων<ref>{{Cite web|url = https://el.wikipedia.org/wiki/%CE%95%CE%BE%CF%8C%CF%81%CF%85%CE%BE%CE%B7_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD|title = Εξόρυξη δεδομένων|date = |accessdate = |website = |publisher = |last = |first = }}</ref> (data mining), ωστόσο η δεύτερη εστιάζει περισσότερο στη διερευνητική ανάλυση δεδομένων. Η Μηχανική Μάθηση και η αναγνώριση προτύπων ,μπορούν να θεωρηθούν ως "οι δυο όψεις του ίδιου τομέα".<ref>{{Cite web|url = http://www.rmki.kfki.hu/~banmi/elte/Bishop%20-%20Pattern%20Recognition%20and%20Machine%20Learning.pdf|title = C. M. Bishop (2006). Pattern Recognition and Machine Learning. Springer. ISBN 0-387-31073-8.|date = |accessdate = |website = |publisher = |last = |first = }}</ref>
Η '''μηχανική μάθηση''' (machine learning) είναι μια περιοχή της [[τεχνητή νοημοσύνη|τεχνητής νοημοσύνης]] η οποία αφορά [[αλγόριθμος|αλγορίθμους]] και μεθόδους που επιτρέπουν στους [[ηλεκτρονικός υπολογιστής|υπολογιστές]] να «μαθαίνουν». Με τη μηχανική μάθηση καθίσταται εφικτή η κατασκευή ''προσαρμόσιμων'' (adaptable) [[πρόγραμμα υπολογιστή|προγραμμάτων υπολογιστών]] τα οποία λειτουργούν με βάση την αυτοματοποιημένη ανάλυση συνόλων δεδομένων και όχι τη διαίσθηση των μηχανικών που τα προγραμμάτισαν. Η μηχανική μάθηση εφαρμόζεται σε μια σειρά από μηχανογραφικών εργασιών όπου η χρήση αλγορίθμων, τόσο κατά το σχεδιασμό όσο και κατά τον προγραμματισμό τους είναι απαραίτητη. Παραδείγματα εφαρμογών αποτελούν το spam filtering<ref>{{Cite web|url = https://en.wikipedia.org/wiki/Email_filtering|title = Email filtering|date = |accessdate = |website = |publisher = |last = |first = }}</ref>, η οπτική αναγνώριση χαρακτήρων<ref>{{Cite web|url = https://el.wikipedia.org/wiki/%CE%9F%CF%80%CF%84%CE%B9%CE%BA%CE%AE_%CE%91%CE%BD%CE%B1%CE%B3%CE%BD%CF%8E%CF%81%CE%B9%CF%83%CE%B7_%CE%A7%CE%B1%CF%81%CE%B1%CE%BA%CF%84%CE%AE%CF%81%CF%89%CE%BD|title = Οπτική Αναγνώριση Χαρακτήρων|date = |accessdate = |website = |publisher = |last = |first = }}</ref> (OCR), οι μηχανές αναζήτησης<ref>{{Cite web|url = https://el.wikipedia.org/wiki/%CE%9C%CE%B7%CF%87%CE%B1%CE%BD%CE%AE_%CE%B1%CE%BD%CE%B1%CE%B6%CE%AE%CF%84%CE%B7%CF%83%CE%B7%CF%82|title = Μηχανή Αναζήτησης|date = |accessdate = |website = |publisher = |last = |first = }}</ref> και η υπολογιστική όραση<ref>{{Cite web|url = https://el.wikipedia.org/wiki/%CE%9C%CE%B7%CF%87%CE%B1%CE%BD%CE%B9%CE%BA%CE%AE_%CF%8C%CF%81%CE%B1%CF%83%CE%B7|title = Μηχανική όραση|date = |accessdate = |website = |publisher = |last = |first = }}</ref>. Η μηχανική μάθηση επικαλύπτεται σημαντικά με τη [[στατιστική]], αφού και τα δύο πεδία μελετούν την ανάλυση δεδομένων,όπως επίσης και με τη εξόρυξη δεδομένων<ref>{{Cite web|url = https://el.wikipedia.org/wiki/%CE%95%CE%BE%CF%8C%CF%81%CF%85%CE%BE%CE%B7_%CE%B4%CE%B5%CE%B4%CE%BF%CE%BC%CE%AD%CE%BD%CF%89%CE%BD|title = Εξόρυξη δεδομένων|date = |accessdate = |website = |publisher = |last = |first = }}</ref> (data mining), ωστόσο η δεύτερη εστιάζει περισσότερο στη διερευνητική ανάλυση δεδομένων. Η Μηχανική Μάθηση και η αναγνώριση προτύπων ,μπορούν να θεωρηθούν ως "οι δυο όψεις του ίδιου τομέα".<ref>{{Cite web|url = http://www.rmki.kfki.hu/~banmi/elte/Bishop%20-%20Pattern%20Recognition%20and%20Machine%20Learning.pdf|title = C. M. Bishop (2006). Pattern Recognition and Machine Learning. Springer. ISBN 0-387-31073-8.|date = |accessdate = |website = |publisher = |last = |first = }}</ref>


==Ορισμός==
==Ορισμός==

Έκδοση από την 18:30, 15 Μαρτίου 2016

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 εφαρμόζεται σε μια σειρά από μηχανογραφικών εργασιών όπου η χρήση αλγορίθμων, τόσο κατά το σχεδιασμό όσο και κατά τον προγραμματισμό τους είναι απαραίτητη. Παραδείγματα εφαρμογών αποτελούν το spam filtering[1], η οπτική αναγνώριση χαρακτήρων[2] (OCR), οι μηχανές αναζήτησης[3] και η υπολογιστική όραση[4]. Η μηχανική μάθηση επικαλύπτεται σημαντικά με τη στατιστική, αφού και τα δύο πεδία μελετούν την ανάλυση δεδομένων,όπως επίσης και με τη εξόρυξη δεδομένων[5] (data mining), ωστόσο η δεύτερη εστιάζει περισσότερο στη διερευνητική ανάλυση δεδομένων. Η Μηχανική Μάθηση και η αναγνώριση προτύπων ,μπορούν να θεωρηθούν ως "οι δυο όψεις του ίδιου τομέα".[6]

Ορισμός

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 προγραμματιστεί". [7]

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". [8] [9]

Κατηγορίες

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

Βιβλιογραφία