انجمنصفحه اولجستجوی انجمن

[αɾια]

مفهوم یادگیری ماشین

یادگیری ماشین مجموعه‌ای از الگوریتم‌های رایانه است که با استفاده از تجربه خود باعث بهبود عملکرد یا انجام پیش‌بینی‌های دقیق می‌شوند. در اینجا منظور از تجربه الگوریتم، اطلاعات یا داده‌های پیشین دردسترس ما است که آن‌ها را برچسب‌گذاری یا طبقه‌بندی کرده‌ایم و در اختیار الگوریتم قرار می‌دهیم. در هر روش یادگیری ماشین، کیفیت و حجم داده تاثیر زیادی در دقت الگوریتم برای پیش‌بینی‌ها و خروجی دارد.

اگر از دیدگاه جدیدی به یادگیری ماشین نگاه کنیم، می‌توان آن را بیش از هرچیز مدل‌سازی آماری در نظر بگیریم. در مدل‌سازی آماری، ما در ابتدا به جمع‌آوری داده می‌پردازیم و داده‌های ناقص و غلط را حذف می‌کنیم تا به مجموعه داده کامل و اصلاح شده برسیم. از مجموعه داده‌ها برای آزمودن فرضیه و پیش‌بینی‌ها و تصمیم‌گیری‌ها استفاده می‌کنیم. ایده اصلی مدل‌سازی آماری ارائه مسائل پیچیده در قالبی تعمیم‌پذیر است به گونه‌ای که برای هر مسئله‌ای قابل تعمیم باشد.

ما الگوریتم را در راستای اجرای توابعی خاص مبتنی بر مجموعه‌داده موردنظر، برنامه‌نویسی می‌کنیم. می‌توان گفت الگوریتم ثابت است و به یک برنامه‌نویس نیاز است تا برای الگوریتم، خروجی را مشخص کند و به الگوریتم بگوید با دریافت داده‌های موردنظر به عنوان ورودی چه خروجی داشته باشد.

روند کار برای یادگیری ماشین، معکوس مدل‌سازی آماری است. در یادگیری ماشین، به جای مشخص کردن مدل و دادن مجموعه داده به عنوان ورودی آن، مجموعه داده مشخص می‌کند چه روش تحلیلی استفاده شود تا بهترین عملکرد مورد انتظار را داشته باشیم. به عبارت دیگر، رایانه مجموعه داده را دریافت می‌کند و داده، الگوریتم را تعیین می‌کند و به الگوریتم آموزش می‌دهد. بنابراین در یادگیری ماشین برخلاف مدل‌سازی آماری، ما با الگوریتم‌های ثابت روبرو نخواهیم بود. در واقع الگوریتم از داده می‌آموزد و از داده در دسترس، دانش حاصل می‌شود. یادگیری حاصل از این نوع آموزش از تکرار به دست می‌آید.

به یاد داشته باشید که الگوریتم چیزی بیش از مجموعه‌ای از دستوالعمل و توابع نیست. رایانه از الگوریتم برای تبدیل ورودی به خروجی مطلوب استفاده می‌کند. بنابراین در مرحله یادگیری ، عملیات اجرایی الگوریتم بارها و بارها تکرار می‌شود تا نتیجه به مجموعه‌ای از شرایط موردنظر همگرا شود. برای ارزیابی الگوریتم یادگیری، مجموعه‌ داده جدید به عنوان ورودی به الگوریتم داده می‌شود تا بدون هیچگونه آموزشی روی مجموعه داده جدید، خروجی را پیش‌بینی کند.


مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.

[αɾια]

انواع روش های یادگیری ماشینی

رویکردهای مهم یادگیری ماشین، در چند دسته عمده قابل تقسیم بندی هستند، که فهرست آن ها در ادامه آمده است:

یادگیری نظارت شده (با ناظر): این نوع یادگیری، مرسوم ترین نوع یادگیری در سیستم آموزشی انسان هاست. اما با این حال، چیزی نیست که در طبیعت رایج باشد. در این نوع یادگیری، حضور یک خبره، معلم، ناظر و یا داده هایی حاوی دانش وی، ضروری است.

یادگیری غیر نظارت شده (بدون ناظر): این شیوه یادگیری، در بسیاری از موجودات و در برهه های مختلف زندگی انسان ها دیده می شود و یکی از سخت ترین نوع مسائل یادگیری است. در این نوع از یادگیری، نیازی به حضور ناظر، معلم یا خبره نیست.

یادگیری نیمه نظارت شده: ترکیبی از دو ایده نظارت شده و غیر نظارت شده است، که در کنار استفاده از تجارب ارائه شده توسط ناظر، توانایی استفاده از رویکردهای غیر نظارت شده نیز مد نظر قرار گرفته است.

یادگیری تقویتی: در این نوع از یادگیری، برای تشخیص درستی یا نادرستی روند یادگیری، از سیگنال ها و اندازه گیری های ضمنی برای یادگیری غیر مستقیم استفاده می کنند. به عبارتی، دانش فعلی ذخیره شده، توسط سیگنال های پاداش یا جریمه، تقویت (تضعیف) می شود.

تفاوت اصلی میان یادگیری نظارت شده و یادگیری تقویتی این است که در یادگیری تقویتی، هیچ گاه به عامل گفته نمی‌شود که عمل صحیح در هر وضعیت چیست و فقط به وسیله‌ی معیاری، به عامل گفته می‌شود که یک عمل چقدر خوب و چقدر بد است. این وظیفه‌ی عامل یادگیرنده است که با در دست داشتن این اطلاعات، یاد بگیرد که بهترین عمل در هر وضعیت کدام است. این موضوع، بخشی از نقاط قوت خاص یادگیری تقویتی است. از این طریق، مسائل پیچیده‌ی تصمیم‌گیری در اغلب اوقات می‌توانند با فراهم کردن کمترین میزان اطلاعات مورد نیاز برای حل مسأله، حل شوند. در بسیاری از حیوانات، یادگیری تقویتی، تنها شیوه‌ی یادگیری مورد استفاده است. همچنین یادگیری تقویتی، بخشی اساسی از رفتار انسان‌ها را تشکیل می‌دهد. هنگامی که دست ما در مواجهه با حرارت می‌سوزد، ما به سرعت یاد می‌گیریم که این کار را بار دیگر تکرار نکنیم. لذت و درد مثالهای خوبی از پاداش‌ها هستند که الگوهای رفتاری ما و بسیاری از حیوانات را تشکیل می‌دهند. در یادگیری تقویتی، هدف اصلی از یادگیری، انجام دادن کاری و یا رسیدن به هدفی است، بدون آنکه عامل یادگیرنده، با اطلاعات مستقیم بیرونی تغذیه شود.


مهمان عزیز شما قادر به مشاهده پیوندهای انجمن مانشت نمی‌باشید. جهت مشاهده پیوندها ثبت نام کنید.