Μηχανική μάθηση: Διαφορά μεταξύ των αναθεωρήσεων
μ προστέθηκε η Κατηγορία:Μηχανική μάθηση (με το HotCat) |
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 |
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
- ↑ «Email filtering».
- ↑ «Οπτική Αναγνώριση Χαρακτήρων».
- ↑ «Μηχανή Αναζήτησης».
- ↑ «Μηχανική όραση».
- ↑ «Εξόρυξη δεδομένων».
- ↑ «C. M. Bishop (2006). Pattern Recognition and Machine Learning. Springer. ISBN 0-387-31073-8.» (PDF).
- ↑ Phil Simon (18 Μαρτίου 2013). Too Big to Ignore: The Business Case for Big Data. Wiley. σελ. 89. ISBN 978-1118638170.
- ↑ 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.
Βιβλιογραφία
- 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