- 雑学タンブラー/Trivia Encyclopedia

投稿者 boss2022年7月29日

4つの主要な学習モデル
機械学習モデルは、データセットのタイプと、タスクの自動化とデータ分類用に設計された対応するアルゴリズムに応じて、4つの大きなカテゴリに分類されます。簡単に見てみましょう。
1.教師あり学習
教師あり学習は最も一般的なMLモデルであり、ラベル付きデータでの作業が含まれます。教師あり学習用に設計されたアルゴリズムは、入力をマッピングし、関連する出力を生成するようにトレーニングされています。ここでのデータは、期待される結果を学習、予測、および返すようにすでにトレーニングまたは監視されているため、監視あり学習という用語が使用されます。教師あり学習の例は、送信者に基づいて電子メールを適切なカテゴリに分類することです。そのため、Gmailアプリはメールを受信して、プライマリ、ソーシャル、プロモーションに分類できます。
2.教師なし学習
教師なし学習モデルでは、アルゴリズムは、ラベルのないデータを分析、処理、およびクラスタリングすることによって、それ自体をトレーニングする必要があります。これは、アルゴリズムが入力を繰り返し、明示的なプログラミングなしでデータセット内の隠されたパターンを発見する必要があることを意味します。アルゴリズムが新しいデータセットに遭遇するたびに、指定されたデータの共通性を識別し、それに応じて結果を返そうとします。
オンライン小売アプリは、教師なし学習の良い例を示しています。アプリは、ユーザーのプロファイル、ユーザーの閲覧パターン、購入したアイテムに基づいて提案を分類します。
3.半教師あり学習
このMLモデルは、上記2つの手法を組み合わせたものです。半教師あり学習モデルは、ラベル付けされたデータのより小さなセットを使用してトレーニングされますが、新しいデータを探索し、それ自体の理解を深めるのに十分な自由を与えます。
実際、アルゴリズムのラベル付きデータセットは方向性を提供し、ラベルなしデータのより大きなセットから情報を抽出できるようにします。このモデルの実用的なアプリケーションは、音声分析アプリとWebコンテンツの分類にあります。
4.強化学習
強化学習は、もう1つの人気のあるMLモデルであり、教師あり学習と同様の概念で機能します。しかし、ラベル付けされたデータセットを使用する代わりに、モデルは試行錯誤によって学習するように作られています。このモデル用に設計されたアルゴリズムは、動的計画法を採用しています。一部のゲームアプリは、人間の対戦相手と対戦しながらこの学習モデルを使用します。自動運転車もこの学習モデルを利用しています。

Machine Learning (ML) Demystified: What Do You Need to Know About it? | by A Smith | Jul, 2022 | Product Coalition