Az élelmiszer -gépi tanulás meghatározása

A ételgép Az adattudományi tanulás magában foglalja a statisztikai tanulási és optimalizálási módszerek alkalmazását, amelyek lehetővé teszik a számítógépek elemzését az adatkészletek elemzésében és a minták azonosításában (a gépi tanulás látványának megtekintése az R2D3 külső linken keresztül). A gépi tanulási technikák kihasználják az adatbányászatot a történelmi trendek azonosítása érdekében, hogy tájékoztassák a jövőbeli modelleket.

A tipikus felügyelt gépi tanulási algoritmus (durván) három összetevőből áll:

Döntési folyamat: A számítások vagy más lépések receptje, amely megteszi az adatokat, és „kitalálást” ad vissza az algoritmus adatok mintájának mintáján.
Hibafüggvény: egy módszer annak mérésére, hogy mennyire jó volt a kitalálás, összehasonlítva az ismert példákkal (ha rendelkezésre állnak). A döntési folyamat jól érte? Ha nem, hogyan számszerűsítheti a „mennyire rossz” a hiányt?
Frissítési vagy optimalizálási folyamat: Ha az algoritmus megvizsgálja a Miss -et, majd frissíti, hogy a döntési folyamat hogyan jut a végső döntéshez, így a következő alkalommal, amikor a Miss nem lesz olyan nagy.
Például, ha egy film -ajánlót épít, akkor az algoritmus döntési folyamata megvizsgálhatja, hogy egy adott film milyen hasonló a többi nézett filmhez, és egy súlyozási rendszerrel áll elő a különböző funkciókhoz.

Az edzési folyamat során az algoritmus átmegy a nézett filmeken, és különféle tulajdonságokat súlyoz. Sci-fi film? Vicces? Az algoritmus ezután megvizsgálja, hogy végül olyan filmeket ajánlok, amelyeket Ön (vagy az emberek, mint te) valóban néztek. Ha helyesen kapja, akkor a felhasznált súlyok ugyanaz maradnak; Ha rosszul lesz egy film, akkor a rossz döntéshez vezetõ súlyok elutasítják, így ez nem követ el újra ilyen hibát.

Mivel a gépi tanulási algoritmus autonóm módon frissül, az analitikus pontosság minden egyes futtatás során javul, mivel az elemzött adatokból tanítja magát. A tanulás iteratív jellege egyedi és értékes, mivel emberi beavatkozás nélkül fordul elő - biztosítva a rejtett betekintés feltárására anélkül, hogy kifejezetten ezt megtennék.

Ha érdekli a termékeink, üdvözöljük a látogatást / .