คำศัพท์ ML
คำศัพท์การเรียนรู้ของเครื่อง ที่ สำคัญคือ:
- ความสัมพันธ์
- ป้าย
- คุณสมบัติ
- โมเดล
- การฝึกอบรม
- การอนุมาน
ความสัมพันธ์
ระบบการเรียนรู้ของเครื่องใช้ความสัมพันธ์ระหว่างอินพุตเพื่อสร้างการคาดการณ์
ในพีชคณิต ความสัมพันธ์มักเขียนเป็นy = ax + b :
- yคือป้ายกำกับที่เราต้องการทำนาย
- aคือความชันของเส้นตรง
- xคือค่าอินพุต
- bคือการสกัดกั้น
ด้วย ML ความสัมพันธ์จะถูกเขียนเป็นy = b + wx :
- yคือป้ายกำกับที่เราต้องการทำนาย
- wคือน้ำหนัก (ความชัน)
- xคือคุณสมบัติ (ค่าอินพุต)
- bคือการสกัดกั้น
ฉลากการเรียนรู้ของเครื่อง
ในคำศัพท์ของ Machine Learning ป้ายกำกับ คือสิ่ง ที่เราต้องการทำนาย
มันเหมือนกับyในกราฟเชิงเส้น:
พีชคณิต | การเรียนรู้ของเครื่อง |
y = ขวาน + b | y = b + wx |
คุณสมบัติการเรียนรู้ของเครื่อง
ในคำศัพท์เฉพาะของ Machine Learning คุณสมบัติคืออินพุต
พวกมันเหมือนกับ ค่า xในกราฟเชิงเส้น:
พีชคณิต | การเรียนรู้ของเครื่อง |
y = กx + b | y = ข + กx |
บางครั้งอาจมีคุณลักษณะหลายอย่าง (ค่าอินพุต) ที่มีน้ำหนักต่างกัน:
y = b + w1x1 + w2x2 + w3x3 + w4x4 _ _ _ _ _
โมเดลการเรียนรู้ของเครื่อง
โมเดลกำหนดความสัมพันธ์ระหว่างป้ายกำกับ (y) และคุณลักษณะ (x )
มีสามขั้นตอนในชีวิตของแบบจำลอง:
- การเก็บรวบรวมข้อมูล
- การฝึกอบรม
- การอนุมาน
การฝึกอบรมการเรียนรู้ของเครื่อง
เป้าหมายของการฝึกอบรมคือการสร้างแบบจำลองที่สามารถตอบคำถามได้ เช่นราคาที่คาดหวังสำหรับบ้านคืออะไร?
การอนุมานการเรียนรู้ของเครื่อง
การอนุมานคือเมื่อมีการใช้แบบจำลองการฝึกอบรมเพื่ออนุมาน (ทำนาย) ค่าโดยใช้ข้อมูลสด เหมือนนำโมเดลไปผลิต