BERITA

Rumah / Berita / Definisi Pembelajaran Mesin Makanan

Definisi Pembelajaran Mesin Makanan

2020-08-06

Konsep dasar dari mesin makanan Pembelajaran dalam Ilmu Data melibatkan penggunaan pembelajaran statistik dan metode optimisasi yang memungkinkan komputer menganalisis kumpulan data dan mengidentifikasi pola (lihat visual pembelajaran mesin melalui tautan eksternal R2D3). Teknik pembelajaran mesin memanfaatkan penambangan data untuk mengidentifikasi tren bersejarah untuk menginformasikan model masa depan.

Algoritma pembelajaran mesin yang diawasi khas terdiri dari (secara kasar) tiga komponen:

Proses Keputusan: Resep perhitungan atau langkah -langkah lain yang mengambil data dan mengembalikan "tebakan" pada jenis pola dalam data yang ingin ditemukan algoritma Anda.
Fungsi kesalahan: Metode mengukur seberapa baik tebakan dengan membandingkannya dengan contoh yang diketahui (ketika tersedia). Apakah proses pengambilan keputusan melakukannya dengan benar? Jika tidak, bagaimana Anda mengukur "seberapa buruk" miss itu?
Proses pembaruan atau optimasi: di mana algoritma melihat Miss dan kemudian memperbarui bagaimana proses keputusan sampai pada keputusan akhir sehingga pada saat Miss berikutnya tidak akan menjadi hebat.
Misalnya, jika Anda membangun film rekomendasi, proses keputusan algoritma Anda mungkin melihat seberapa mirip film yang diberikan dengan film lain yang telah Anda tonton dan menghasilkan sistem pembobotan untuk berbagai fitur.

Selama proses pelatihan, algoritma melewati film yang telah Anda tonton dan menimbang properti yang berbeda. Apakah ini film fiksi ilmiah? Apakah itu lucu? Algoritma kemudian menguji apakah akhirnya merekomendasikan film yang Anda (atau orang -orang menyukai Anda) benar -benar menonton. Jika benar, bobot yang digunakan tetap sama; Jika salah satu film salah, bobot yang menyebabkan keputusan yang salah ditolak sehingga tidak membuat kesalahan semacam itu lagi.

Karena algoritma pembelajaran mesin memperbarui secara mandiri, akurasi analitik meningkat dengan setiap menjalankan saat ia mengajarkan dirinya dari data yang dianalisisnya. Sifat iteratif pembelajaran ini unik dan berharga karena terjadi tanpa intervensi manusia - memberikan kemampuan untuk mengungkap wawasan tersembunyi tanpa diprogram secara khusus untuk melakukannya.

Jika Anda tertarik dengan produk kami, selamat datang untuk mengunjungi / .