جزوه یادگیری ماشین
دانلود فایل
الگوریتم‌های یادگیری بر این اساس کار می‌کنند که جزوه یادگیری ماشین استراتژی‌ها، الگوریتم‌ها و استنتاج‌هایی که در گذشته خوب کار می‌کردند، احتمالاً در آینده نیز به خوبی کار می‌کنند. این استنباط ها می توانند بدیهی باشند، مانند «از آنجایی که خورشید در ۱۰۰۰۰ روز گذشته هر روز صبح طلوع کرده است، احتمالاً فردا صبح نیز طلوع خواهد کرد». می‌توان آن‌ها را متفاوت دانست، مانند «X% خانواده‌ها دارای گونه‌های جغرافیایی مجزا با رنگ‌های مختلف هستند، بنابراین احتمال Y% وجود قوهای سیاه کشف‌نشده وجود دارد». [۹]
برنامه های یادگیری ماشینی می توانند وظایفی را بدون برنامه ریزی صریح برای انجام آن انجام دهند. این شامل کامپیوترهایی است که از داده های ارائه شده یاد می گیرند تا وظایف خاصی را انجام دهند. برای کارهای ساده ای که به رایانه ها اختصاص داده شده است، می توان الگوریتم هایی را برنامه ریزی کرد که به دستگاه می گویند چگونه تمام مراحل مورد نیاز برای حل مسئله را اجرا کند. از طرف کامپیوتر، نیازی به یادگیری نیست. برای کارهای پیشرفته تر، ایجاد دستی الگوریتم های مورد نیاز برای انسان می تواند چالش برانگیز باشد. در عمل، کمک به ماشین برای توسعه الگوریتم خود به جای اینکه برنامه نویسان انسانی هر مرحله مورد نیاز جزوه یادگیری ماشین را مشخص کنند، می تواند موثرتر باشد. [۱۰]
رشته یادگیری ماشینی از روش‌های مختلفی برای آموزش رایانه‌ها برای انجام وظایفی که هیچ الگوریتم کاملاً رضایت‌بخشی در دسترس نیست، استفاده می‌کند. در مواردی که تعداد زیادی پاسخ بالقوه وجود دارد، یک رویکرد این است که برخی از پاسخ‌های صحیح را معتبر بدانیم. سپس می‌توان از آن به عنوان داده‌های آموزشی برای رایانه برای بهبود الگوریتم(هایی) که برای تعیین پاسخ‌های صحیح استفاده می‌کند، استفاده کرد. به عنوان مثال، برای آموزش یک سیستم برای تشخیص کاراکترهای دیجیتال، جزوه یادگیری ماشین مجموعه داده‌های MNIST از ارقام دست‌نویس اغلب استفاده شده است. [۱۰]
تاریخچه و روابط با زمینه های دیگر
همچنین ببینید: جدول زمانی یادگیری ماشین
اصطلاح یادگیری ماشینی در سال ۱۹۵۹ توسط آرتور ساموئل ، IBMer آمریکایی و پیشگام در زمینه بازی های رایانه ای و هوش مصنوعی ابداع شد . [۱۱] [۱۲] همچنین مترادف کامپیوترهای خودآموز در این دوره زمانی استفاده شد.جزوه یادگیری ماشین [۱۳] [۱۴] یک کتاب نماینده تحقیقات یادگیری ماشین در طول دهه ۱۹۶۰، کتاب نیلسون در مورد ماشین‌های یادگیری بود که بیشتر به یادگیری ماشین برای طبقه‌بندی الگو می‌پردازد. [۱۵] علاقه مربوط به تشخیص الگو تا دهه ۱۹۷۰ ادامه یافت، همانطور که دودا و هارت در سال ۱۹۷۳ توصیف کردند. [۱۶]در سال ۱۹۸۱ گزارشی در مورد استفاده از راهبردهای آموزشی ارائه شد به طوری که یک شبکه عصبی یاد می گیرد ۴۰ کاراکتر (۲۶ حرف، ۱۰ رقم و ۴ نماد خاص) را از یک پایانه کامپیوتری تشخیص دهد. [۱۷]
تام ام میچل یک تعریف رسمی تر و به طور گسترده از الگوریتم های مورد مطالعه در زمینه یادگیری ماشین ارائه کرد: «به یک برنامه رایانه ای گفته می شود که از تجربه E با توجه به دسته ای از وظایف T و اندازه گیری عملکرد P در صورت عملکرد آن در کارها یاد می گیرد. در T ، همانطور که توسط P اندازه گیری شد ، با تجربه E بهبود می یابد .” [۱۸] این تعریف از وظایفی که در مورد جزوه یادگیری ماشین یادگیری ماشینی مربوط می‌شود، به جای تعریف این حوزه در اصطلاحات شناختی، یک تعریف اساسی عملیاتی ارائه می‌دهد . این به دنبال پیشنهاد آلن تورینگ در مقاله خود ” ماشین آلات محاسباتی و هوش”.”، که در آن سوال “آیا ماشین ها می توانند فکر کنند؟” با سوال “آیا ماشین ها می توانند کاری را انجام دهند که ما (به عنوان موجودات متفکر) می توانیم انجام دهیم؟” جایگزین می شود. [۱۹]
یادگیری ماشینی امروزی دو هدف دارد، یکی طبقه‌بندی داده‌ها بر اساس جزوه یادگیری ماشین مدل‌های توسعه‌یافته، و هدف دیگر پیش‌بینی نتایج آینده بر اساس این مدل‌ها است. یک الگوریتم فر