Ano ang detalyadong pag-aaral ng makina?
Ano ang detalyadong pag-aaral ng makina?

Video: Ano ang detalyadong pag-aaral ng makina?

Video: Ano ang detalyadong pag-aaral ng makina?
Video: Ano ang trabaho ng thermostat sa makina/Ano ang epekto sa makina kapag walang thermostat. 2024, Nobyembre
Anonim

Pag-aaral ng makina ay isang application ng artificial intelligence (AI) na nagbibigay sa mga system ng kakayahang awtomatikong matuto at pagbutihin mula sa karanasan nang hindi tahasang nakaprograma. Pag-aaral ng makina nakatutok sa pagbuo ng mga programa sa computer na maaaring mag-access ng data at gamitin ito matuto para sa kanilang sarili.

Kung gayon, ano ang machine learning at ang mga uri nito?

Pag-aaral ng makina ay sub-categorize sa tatlo mga uri : Pinangangasiwaan Pag-aaral – Sanayin Mo Ako! Hindi pinangangasiwaan Pag-aaral - Ako ay sapat sa sarili pag-aaral . Reinforcement Learning – Ang aking buhay Aking mga tuntunin!

Maaari ring magtanong, ano ang machine learning at bakit ito mahalaga? Ang umuulit na aspeto ng machine learning ay mahalaga dahil habang ang mga modelo ay nalantad sa bagong data, sila ay nakapag-iisa na makakaangkop. Natututo sila mula sa mga nakaraang pagkalkula upang makagawa ng maaasahan, paulit-ulit na mga desisyon at resulta. Ito ay isang agham na hindi bago – ngunit isa na nakakuha ng bagong momentum.

Dahil dito, ano ang machine learning at paano ito gumagana?

Pag-aaral ng makina ay isang data analytics technique na nagtuturo sa mga computer na gawin kung ano ang natural na dumarating sa mga tao at hayop: matuto mula sa karanasan. Pag-aaral ng makina Gumagamit ang mga algorithm ng mga pamamaraan ng computational upang "matuto" ng impormasyon nang direkta mula sa data nang hindi umaasa sa isang paunang natukoy na equation bilang isang modelo.

Ano ang mga pangunahing kaalaman sa machine learning?

Machine Learning ay isang subset ng AI kung saan ang makina ay sinanay na matuto mula sa nakaraan nitong karanasan. Ang nakaraang karanasan ay binuo sa pamamagitan ng mga datos na nakolekta. Pagkatapos ay pinagsama ito sa mga algorithm tulad ng Naïve Bayes, Support Vector Makina (SVM) upang maihatid ang mga huling resulta.

Inirerekumendang: