Machine Learning Everything To Know About İndir

Makine öğrenimi bilgisayar sistemlerini açıkça programlanmış edilmeden verilerle (yani giderek belirli bir görev üzerinde performansı artırmak), "öğrenme" olanağı verir bilgisayar biliminin bir alandır.

adı Makine öğrenimi Arthur Samuel tarafından 1959 yılında icat edildi. örüntü tanıma ve yapay zeka konusunda hesaplama öğrenme teorisinin çalışmadan Evolved, makine öğrenme çalışma ve öğrenmek ve veriler üzerinde tahminler yapabiliriz algoritmaları oluşumunu araştırıyor - Böyle algoritmalar veri tabanlı tahminler veya kararlar alarak kesinlikle statik programı talimatları uygulayarak üstesinden gelmelerinde , 2 örnek girişlerinden modeli inşa yoluyla. Makine öğrenimi tasarımı ve iyi bir performans ile açık algoritmaları programlama zor veya mümkün olmayan bir bilgi işlem görevleri bir dizi kullanılır; örnek uygulamaları e-posta filtreleme, veri ihlali, optik karakter tanıma (OCR) doğru çalışan ağ hırsızlarına veya kötü amaçlı içeriden algılanmasını sıralamak için öğrenme ve bilgisayar görme sayılabilir.

Makine öğrenimi yakından da tahmin yapma bilgisayarların kullanımı yoluyla odaklanır (ve genellikle ile çakışır) hesaplamalı istatistik ile ilgilidir. Bu alana yöntemleri, teori ve uygulama alanlarını sunar matematiksel optimizasyon, güçlü bağları var. Makine öğrenimi bazen ikinci alt alan keşif veri analizi konusunda daha fazla odaklanır ve denetimsiz öğrenme olarak bilinen veri madenciliği, conflated edilir. vii Makine öğrenimi de denetimsiz olabilir ve öğrenmek ve anlamlı anomalileri bulmak için kullanılan, daha sonra çeşitli kişiler ve için taban davranışsal profillerini oluşturmak için kullanılmalıdır.

Veri analizi alanında, makine öğrenme tahmin kendilerini ödünç karmaşık modeller ve algoritmalar hazırlamak için kullanılan bir yöntemdir; Ticari kullanımda, bu tahmine dayalı analitik olarak bilinir. Bu analitik modeller araştırmacılar, veri bilimciler, mühendisler ve analistler "güvenilir ve tekrarlanabilir kararlar ve sonuçlar üretmek" ve verilerdeki tarihsel ilişkileri ve trendleri öğrenme yoluyla "gizli bilgiler" ortaya çıkarmak için izin verir.

desenleri bulma zordur ve genellikle yeterli eğitim verileri sonucunda mevcuttur, makine-öğrenme programları genellikle sunmak için başarısız çünkü Etkili makine öğrenme zordur.