Kahulugan ng pag -aaral ng makina ng pagkain

Ang pangunahing konsepto ng Food Machine Ang pag -aaral sa agham ng data ay nagsasangkot ng paggamit ng mga pamamaraan ng pag -aaral at pag -optimize ng istatistika na hayaan ang mga computer na pag -aralan ang mga datasets at makilala ang mga pattern (tingnan ang isang visual ng pag -aaral ng makina sa pamamagitan ng R2D3 panlabas na link). Ang mga diskarte sa pag -aaral ng makina ay gumagamit ng pagmimina ng data upang makilala ang mga makasaysayang mga uso upang ipaalam sa mga modelo sa hinaharap.

Ang karaniwang pinangangasiwaan na algorithm ng pag -aaral ng makina ay binubuo ng (halos) tatlong sangkap:

Ang isang proseso ng pagpapasya: isang recipe ng mga kalkulasyon o iba pang mga hakbang na tumatagal sa data at nagbabalik ng isang "hula" sa uri ng pattern sa data na hinahanap ng iyong algorithm.
Isang error function: isang paraan ng pagsukat kung gaano kahusay ang hula sa pamamagitan ng paghahambing nito sa mga kilalang halimbawa (kapag magagamit ito). Tama ba ang proseso ng desisyon? Kung hindi, paano mo mabibilang ang "gaano kalala" ang miss?
Isang proseso ng pag -update o pag -optimize: kung saan tinitingnan ng algorithm ang miss at pagkatapos ay ina -update kung paano dumating ang proseso ng desisyon sa pangwakas na desisyon upang sa susunod na hindi magiging maganda ang miss.
Halimbawa, kung nagtatayo ka ng isang rekomendasyon ng pelikula, ang proseso ng desisyon ng iyong algorithm ay maaaring tingnan kung gaano katulad ang isang naibigay na pelikula sa iba pang mga pelikula na napanood mo at magkaroon ng isang weighting system para sa iba't ibang mga tampok.

Sa panahon ng proseso ng pagsasanay, ang algorithm ay dumadaan sa mga pelikula na iyong napanood at may timbang na iba't ibang mga pag -aari. Ito ba ay isang pelikulang sci-fi? Nakakatawa ba? Sinusubukan ng algorithm kung magtatapos ito sa pagrekomenda ng mga pelikula na talagang napanood mo (o mga taong katulad mo). Kung ito ay nakakakuha ng tama, ang mga timbang na ginamit nito ay manatiling pareho; Kung nagkakamali ito ng pelikula, ang mga timbang na humantong sa maling desisyon ay bumagsak upang hindi na muling gumawa ng ganoong uri ng pagkakamali.

Dahil ang isang algorithm ng pag -aaral ng makina ay nag -update ng awtonomiya, ang katumpakan ng analytical ay nagpapabuti sa bawat pagtakbo dahil itinuturo nito ang sarili mula sa data na pinag -aaralan nito. Ang iterative na katangian ng pag -aaral ay parehong natatangi at mahalaga dahil nangyayari ito nang walang interbensyon ng tao - na nagbibigay ng kakayahang alisan ng takip ang mga nakatagong pananaw nang hindi partikular na na -program upang gawin ito.

Kung interesado ka sa aming mga produkto, maligayang pagdating upang bisitahin ang / .