Terminologie ML
Klíčové terminologie strojového učení jsou:
- Vztahy
- Štítky
- Funkce
- Modelky
- Výcvik
- Odvození
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:
Algebra | Strojové učení |
y = ax + b | y = b + wx |
Funkce strojového učení
V terminologii strojového učení jsou funkce vstupem .
Jsou jako hodnoty x v lineárním grafu:
Algebra | Strojové učení |
y = a x + b | y = b + š x |
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.