Terminologie ML

Vztahy

Systémy strojového učení využívají k vytváření předpovědí vztahy mezi vstupy .

V algebře se vztah často píše jako y = ax + b :

• y je označení, které chceme předpovědět
• a je sklon čáry
• x jsou vstupní hodnoty
• b je odposlech

S ML je vztah zapsán jako y = b + wx :

• y je označení, které chceme předpovědět
• w je hmotnost (sklon)
• x jsou vlastnosti (vstupní hodnoty)
• b je odposlech

Štítky strojového učení

V terminologii strojového učení je označení věc, kterou chceme předvídat .

Je to jako y v lineárním grafu:

Funkce strojového učení

V terminologii strojového učení jsou funkce vstupem .

Jsou jako hodnoty x v lineárním grafu:

Někdy může existovat mnoho prvků (vstupních hodnot) s různou váhou:

y = _{b +} š1x1 + _š2x2 + _š3x3 + _š4x4 _ _{_ _} _ _{_}

Modely strojového učení

Model definuje vztah mezi štítkem (y) a prvky (x).

Život modelu má tři fáze:

• Sběr dat
• Výcvik
• Odvození

Školení strojového učení

Cílem školení je vytvořit model, který dokáže odpovědět na otázku. Jaká je očekávaná cena za dům?

Inference strojového učení

Inference je, když se trénovaný model používá k odvození (předpovědi) hodnot pomocí živých dat. Jako uvedení modelu do výroby.