Pengenalan kepada ML

Apakah Pembelajaran Mesin?

Pembelajaran Mesin ialah satu bidang Sains Komputer yang menggunakan teknologi statik untuk memberi sistem komputer keupayaan untuk 'Belajar' dengan data, tanpa diprogramkan secara eksplisit.

Ini bermakna, "ML adalah tentang Belajar daripada Data"

Pengaturcaraan Eksplisit bermaksud, menulis kod untuk setiap senario, untuk mengendalikan situasi itu.

Dalam pembelajaran mesin, daripada menulis kod eksplisit untuk setiap senario, kami melatih model untuk mempelajari corak daripada data, membolehkan mereka membuat ramalan atau keputusan untuk situasi yang tidak kelihatan.

Jadi, Kami memberikan input dan output, tetapi jangan tulis sebarang kod untuk setiap kes. Algoritma ML secara automatik mengendalikannya.

Contoh mudah boleh menggunakan:

Fungsi Penjumlahan:

Dalam pengaturcaraan eksplisit, untuk menambah 2 nombor, kami menulis kod khusus yang berfungsi hanya untuk kes itu. Kod ini tidak akan berfungsi untuk menambah 5 atau N nombor tanpa pengubahsuaian.

Sebaliknya, dengan ML, kami boleh menyediakan fail Excel di mana setiap baris mengandungi nombor yang berbeza dan jumlahnya. Semasa algoritma ML melatih set data ini, ia mempelajari corak penambahan. Pada masa hadapan, apabila diberi 2, 10 atau N nombor, ia boleh melakukan penambahan berdasarkan corak yang dipelajari, tanpa memerlukan kod khusus untuk setiap senario.

Di mana kami menggunakan ML?

• Pengkelas Spam E-mel:

Dalam pengaturcaraan eksplisit, saya menulis beberapa syarat if-else, seperti: "Jika kata kunci muncul 3 kali atau lebih, ia akan dibenderakan sebagai spam." Contohnya, jika perkataan "Besar" digunakan 3 kali, ia ditandakan sebagai spam.

Sekarang, bayangkan syarikat pengiklanan menyedari terdapat algoritma seperti ini untuk mengesan spam mereka. Jadi, daripada mengulangi "Besar" 3 kali, mereka menggunakan sinonim seperti "Besar," "Besar" dan "Besar." Dalam kes ini, peraturan asal tidak akan berfungsi. Apakah penyelesaiannya? Patutkah saya menukar semula algoritma saya yang terdahulu? Berapa kali saya boleh melakukannya?

Dalam ML, model belajar daripada data yang disediakan dan secara automatik mencipta algoritma berdasarkan data tersebut. Jika data berubah, algoritma menyesuaikan dengan sewajarnya. Tidak perlu menukar algoritma secara manual, ia akan mengemas kini sendiri mengikut keperluan berdasarkan data baharu.

• Klasifikasi Imej:

Dalam pengaturcaraan eksplisit untuk klasifikasi imej, kami perlu menulis peraturan secara manual untuk mengenal pasti ciri anjing, seperti bentuk, saiz, warna bulu atau ekornya. Peraturan ini hanya berfungsi untuk imej tertentu dan tidak akan digeneralisasikan dengan baik kepada semua baka anjing. Jika kami menemui baka atau variasi baharu, kami perlu menambah peraturan baharu untuk setiap baka.

Dalam ML, bukannya menulis peraturan khusus, kami menyediakan model dengan set data besar imej anjing yang dilabel mengikut baka. Model itu kemudiannya mempelajari corak daripada data, seperti ciri umum baka yang berbeza, dan menggunakan pengetahuan yang dipelajari itu untuk mengklasifikasikan imej anjing baharu, walaupun ia tidak pernah melihat baka yang tepat tersebut sebelum ini. Algoritma secara automatik menyesuaikan diri dengan variasi dalam data.

juga, terdapat ribuan kegunaan ML. Anda mungkin tertanya-tanya,
mengapakah pembelajaran mesin tidak begitu popular sebelum 2010?

• Kapasiti storan yang terhad menyukarkan untuk menyimpan sejumlah besar data kerana kekurangan pemacu keras.
• Tidak terdapat data yang mencukupi untuk melatih model pembelajaran mesin dengan berkesan.
• Penghadan perkakasan, seperti GPU dan pemproses yang kurang berkuasa, mengehadkan keupayaan untuk menjalankan algoritma kompleks dengan cekap.

Kini, kami menjana berjuta-juta titik data setiap hari. Menggunakan jumlah data yang besar ini, model ML kini menjadi lebih tepat, cekap dan mampu menyelesaikan masalah yang rumit. Mereka boleh mempelajari corak, membuat ramalan dan mengautomasikan tugasan merentas pelbagai bidang seperti penjagaan kesihatan, kewangan dan teknologi, mempertingkatkan pembuatan keputusan dan memacu inovasi.

Terima kasih kerana meluangkan masa untuk membaca ini.

Atas ialah kandungan terperinci Pengenalan kepada ML. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!