125_80_m
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Machine Learning<br />
Обучение с учителем<br />
и без учителя<br />
Большую часть задач машинного обучения<br />
можно разделить на обучение с<br />
учителем (supervised learning) и обучение<br />
без учителя (unsupervised learning).<br />
Если вы представили себе программиста<br />
с плеткой в одной руке и пряником<br />
данных признаков будет предсказывать<br />
стоимость квартиры. Это классический<br />
пример обучения с учителем, где у нас<br />
есть данные (10000 квартир и различные<br />
параметры для каждой квартиры,<br />
называемые признаками) и отклики<br />
(стоимость квартиры). Такая задача называется<br />
задачей регрессии. О том, что<br />
это такое, мы поговорим чуть позже.<br />
О машинном<br />
обучении<br />
простым языком<br />
Технологии машинного<br />
обучения сегодня проникают<br />
повсюду. Но многие<br />
даже не знают, на что<br />
машинное обучение способно<br />
в действительности<br />
или имеют неверное представление об<br />
этом процессе. Тем не менее, сфер, где<br />
может быть применено и уже применяется<br />
машинное обучение - великое<br />
множество. Начиная от анализа пробок<br />
на дорогах и заканчивая самоуправляемыми<br />
автомобилями. Во всех этих<br />
вопросах все больше задач перекладывается<br />
на самообучаемые машины. И<br />
мы порой даже примерно не представляем,<br />
как работают некоторые<br />
приложения, основанные на методах<br />
машинного обучения. Например, никто<br />
не сможет вам ответить на вопрос «Почему<br />
мне сегодня в рекламе показали<br />
этот продукт, а не другой?».<br />
Введение<br />
Машинное обучение считается ветвью<br />
искусственного интеллекта, основная<br />
идея которого заключается в том,<br />
чтобы научить компьютер не просто<br />
использовать заранее написанный<br />
алгоритм, а самому решать поставленные<br />
задачи. Любую работающую<br />
технологию машинного обучения можно<br />
условно отнести к одному из трех<br />
уровней доступности. Первый уровень<br />
- это когда она доступна только различным<br />
технологическим гигантам уровня<br />
IBM или Google. Второй уровень - это<br />
когда ею может воспользоваться<br />
студент с некоторым багажом знаний.<br />
Третий уровень - это когда с ней будет<br />
способен совладать даже не разбирающийся<br />
в технологиях человек. И<br />
сегодня машинное обучение находится<br />
на стыке второго и третьего уровней,<br />
за счет чего скорость изменения мира<br />
с помощью данной технологии растет с<br />
каждым днем.<br />
38 /3/2018<br />
в другой, то вы немного ошиблись.<br />
Под «учителем» здесь понимается<br />
сама идея вмешательства человека в<br />
обработку данных. При обучении с учителем<br />
у нас есть данные, на основании<br />
которых нужно что-то предсказать, а<br />
также некоторые гипотезы. При обучении<br />
без учителя у нас есть только<br />
данные, свойства которых мы и хотим<br />
найти. На примерах вы эту разницу почувствуете<br />
немного лучше.<br />
Обучение с учителем<br />
Например, у нас есть данные о 10000<br />
квартирах в Баку, причем, известна<br />
площадь каждой квартиры, количество<br />
комнат, этаж, на котором она расположена,<br />
район, наличие парковки, расстояние<br />
до ближайшей станции метро и т.д.<br />
Кроме того, известна стоимость каждой<br />
квартиры. Нашей задачей является<br />
построение модели, которая на основе<br />
Красные точки - имеющиеся данные<br />
(по оси X - значение признака, по оси Y - значение ответа),<br />
синяя прямая - построенная модель.<br />
Другим примером может стать такая<br />
задача: на основании различных<br />
медицинских показателей предсказать<br />
наличие у пациента рака. Или на<br />
Задача классификации. На первой картинке объекты<br />
разделяются прямой, а на второй - более сложной кривой.<br />
Заметьте, что некоторые объекты классифицируются<br />
неправильно. Это нормальная практика<br />
в задачах классификации.