машинное обучение

Анализ данных и машинное обучение

Апофеозом анализа данных является машинное обучение. Вы можете успешно применить машинное обучение только после того, как анализ данных предоставляет правильные исходные данные. Но только машинное обучение способно ассоциировать наборы выходных и входных данных, а также эффективно выявить использованные при этом правила. Анализ данных концентрируется на понимании и манипулировании данными таким способом, чтобы они могли стать более полезными и способными обеспечить проникновение в суть вещей, тогда как машинное обучение строго сосредоточено на том, чтобы получить исходные данные и, сделав свою работу, выработать внутреннее представление о сути вещей, которое можно использовать практически. Машинное обучение позволяет людям решать такие задачи, как предсказание будущего, классификация осмысленным способом и выработка наиболее рационального решения в данном контексте.

Главная идея, лежащая в основе машинного обучения, — можно представить действительность, используя математические функции, которые алгоритму заранее неизвестны, но которые он может предположить на основании наблюдения некоторых данных. Вы можете выразить действительность и всю ее комплексную сложность в терминах неизвестных математических функций, которые алгоритмы машинного обучения способны выявить и сделать доступными. Эта концепция лежит в основе идей всех видов алгоритмов машинного обучения.

Обучение при машинном обучении является просто математической функцией, и она заканчивается ассоциацией определенных входных данных с определенными выходными. Она не имеет отношения к пониманию того, что алгоритм изучил, поэтому процесс обучения зачастую называют тренировкой, поскольку алгоритм учится находить правильный ответ на каждый предоставленный вопрос. Более подробная информация по этому вопросу приведена в книге Machine Learning For Dummies Джона Пола Мюллера и Луки Массарона.

Несмотря на отсутствие осмысленного понимания, поскольку это просто математический процесс, машинное обучение может оказаться весьма полезным. Оно дает приложению с искусственным интеллектом силу наибольшей рациональности в текущем контексте, когда обучение происходит с использованием правильных данных. В следующих разделах работа машинного обучения описана более подробно, включая ожидаемые преимущества и пределы его применения в приложениях.