1. комп. прикладная математическая дисциплина, исследующая различные алгоритмические подходы для анализа данных, включая обучение дереву принятия решений, индуктивное логическое программирование, кластеризацию, обучение с подкреплением, Байесовы сети и т. п., для получения практически значимых выводов, принятия решений или предсказания в отношении чего-либо ◆ Компьютер учится — подобно живому существу, а возможным это стало благодаря технологии под названием «машинное обучение». Машинное обучение (англ. machine learning, далее ML) предполагает самостоятельное выявление компьютером произвольных свойств в заранее накопленных данных и использование этих «знаний» для обработки свежей информации. Евгений Золов, «Тяжело в учении!» // «Бизнес-журнал», 2013 г. (цитата из библиотеки Google Книги) ◆ Постепенно пришло осознание того, что надо научить компьютер самому строить алгоритмы из некого их первоначального набора, обучаясь на исходных данных. Это и стало пониматься под термином «машинное обучение» (machine learning). В. В. Вьюгин, «Математические основы машинного обучения и прогнозирования», 2014 г. (цитата из библиотеки Google Книги) ◆ Прикладное машинное обучение совмещает в себе равные доли математических принципов и полученных эмпирическим путём приёмов, — другими словами это настоящее искусство. Бринк Хенрик, Ричардс Джозеф, Феверолф Марк, «Машинное обучение», 2017 г. (цитата из библиотеки Google Книги)
Источник: Викисловарь
Машинное обучение (англ. machine learning, ML) — класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач. Для построения таких методов используются средства математической статистики, численных методов, методов оптимизации, теории вероятностей, теории графов, различные техники работы с данными в цифровой форме.
Различают два типа обучения:
Дедуктивное обучение предполагает формализацию знаний экспертов и их перенос в компьютер в виде базы знаний.Дедуктивное обучение принято относить к области экспертных систем, поэтому термины машинное обучение и обучение по прецедентам можно считать синонимами.
Многие методы индуктивного обучения разрабатывались как альтернатива классическим статистическим подходам. Многие методы тесно связаны с извлечением информации (англ. information extraction, information retrieval), интеллектуальным анализом данных (data mining).
Источник: Википедия
Привет! Меня зовут Лампобот, я компьютерная программа, которая помогает делать
Карту слов. Я отлично
умею считать, но пока плохо понимаю, как устроен ваш мир. Помоги мне разобраться!
Спасибо! Я стал чуточку лучше понимать мир эмоций.
Вопрос: нонет — это что-то нейтральное, положительное или отрицательное?
Например, наука о данных может использовать алгоритмы машинного обучения и даже модели глубокого обучения, чтобы извлечь смысл и сделать выводы из данных.
– Выбрать подходящий алгоритм модели машинного обучения для решения задачи прогнозирования, такой как линейная регрессия, решающее дерево, случайный лес, градиентный бустинг и т. д.
В некоторых случаях использование нейронных сетей может привести к значительному улучшению результатов, в то время как в других случаях традиционные методы машинного обучения могут быть более подходящими и эффективными.