Qu'est-ce que l'apprentissage automatique ? Quels types de problèmes l'apprentissage automatique peut-il résoudre ?

L'apprentissage automatique est une étude spécialisée sur la manière dont les ordinateurs peuvent simuler ou mettre en œuvre un comportement d'apprentissage humain pour acquérir de nouvelles connaissances ou compétences, et réorganiser les structures de connaissances existantes pour améliorer continuellement leurs performances. Problèmes que l'apprentissage automatique peut résoudre : 1. Problèmes de classification ; 2. Problèmes de régression ; 3. Problèmes de clustering ;

L'environnement d'exploitation de ce tutoriel : système Windows 7, ordinateur Dell G3.

Qu'est-ce que l'apprentissage automatique ?

L'apprentissage automatique consiste à apprendre une partie des données informatiques, puis à prédire et à juger d'autres données.

Le cœur de l'apprentissage automatique consiste à « utiliser des algorithmes pour analyser les données, en tirer des leçons, puis prendre des décisions ou faire des prédictions sur de nouvelles données ». C'est-à-dire que l'ordinateur utilise les données obtenues pour dériver un certain modèle, puis utilise ce modèle pour faire des prédictions. Ce processus est quelque peu similaire au processus d'apprentissage humain. Par exemple, après qu'une personne acquiert une certaine expérience, elle. peut prédire de nouveaux problèmes.

Donnons un exemple. Nous savons tous que l'activité « Collecter cinq bénédictions » de la Fête du Printemps d'Alipay utilise une machine. méthodes d'apprentissage. Nous pouvons fournir à l'ordinateur des données photographiques du mot "福". Grâce à la formation du modèle d'algorithme, le système met à jour et apprend en permanence, puis saisit une nouvelle photo avec le mot "福", et la machine identifie automatiquement s'il y a le mot. "福" sur la photo.

L'apprentissage automatique est un sujet interdisciplinaire multidisciplinaire impliquant la théorie des probabilités, les statistiques, l'informatique et d'autres disciplines. Le concept de l'apprentissage automatique consiste à entraîner le modèle en saisissant des données d'entraînement massives, afin que le modèle puisse saisir les modèles potentiels contenus dans les données, puis classer ou prédire avec précision les nouvelles données entrées. Comme le montre la figure ci-dessous :

Quels types de problèmes l'apprentissage automatique peut-il résoudre ?

D'un point de vue fonctionnel, l'apprentissage automatique peut résoudre les problèmes suivants sur un certain niveau de données :

Problème de classification : selon les caractéristiques extraites des échantillons de données, déterminer. à laquelle, parmi un nombre limité de catégories, il appartient. Par exemple : identification du spam (catégorie de résultat : 1. Spam 2. Courrier normal).

2. Problème de régression : prédire le résultat d'une valeur continue en fonction des caractéristiques extraites de l'échantillon de données. Par exemple : Le box-office de « Sirène » de Xingye

3. Problème de clustering : Selon les caractéristiques extraites des échantillons de données, les échantillons sont regroupés (les échantillons similaires/liés sont dans un groupe). Par exemple : la classification des actualités de Google.

Divisons les questions courantes ci-dessus en deux catégories les plus typiques de l'apprentissage automatique.

• Les problèmes de classification et de régression doivent être entraînés avec des données dont les résultats sont connus. Les problèmes qui appartiennent à « l'apprentissage supervisé »

• Les problèmes de clustering ne le sont pas. Il faut connaître le label, il appartient à « l'apprentissage non supervisé ».

Si vous vous promenez dans l'industrie informatique (en particulier Internet), vous constaterez que l'apprentissage automatique est largement utilisé dans les sujets d'actualité suivants :

Pour plus de connaissances connexes, veuillez visiter la colonne FAQ !

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!