Skip to main content

Posts

Showing posts with the label d'apprentissage machine

Universalité

L'un de l'autre centre d'apprentissage de la machine est d'atteindre universel (en anglais: généralisation), autrement dit, la nature du programme peut bien fonctionner avec les données qu'il avait jamais vu auparavant (en anglais: invisible données).   Un programme efficace avec les données ne satisfait généralement n'ont pas beaucoup d'utilité. Prenons l'exemple des e-mails automatiquement classées comme ci-dessus, un système automatisé après être passé par le processus d'apprentissage à partir de données ( « formation ») peut en déduire quelques principes propres (tels que l'examen du contenu si le courrier est écrit en anglais qui contiennent certains mots tels que « porn », « vendre », « bon produit » ou les expéditeurs de la Somalie tandis que les bénéficiaires à Hanoi ne sont pas familiers les uns aux autres) de décider de est du  spam  ou non.   Cependant, si les conférences de données  (données de formation)  avec d' autres langue

Exécution

Performances (Anglais: représentation) est l'un des enjeux importants de l'apprentissage de la machine.   Exécution ici peut comprendre comment le codage (encodage) les informations du monde réel pour aider à réaliser des tâches de façon efficace et complète que possible.   L'information comprend ici à la fois des informations sur l'entrée de données, la sortie ou l'état du système;   et la façon d'évaluer l'efficacité du programme. En règle générale, dans l' apprentissage machine un ou construire des modèles utilisant des  variables aléatoires  pour la représentation des données et de l' état interne du système.   Par exemple,  la variable aléatoire pour indiquer la nature de l'e - mail comme spam ( ce qui correspond à une valeur de 0) ou normal (respectivement 1).   La corrélation entre les variables aléatoires peut être utilisé comme  modèle graphique  pour décrire.   D'autre part, pour mesurer l'efficacité peut utiliser les  dommag

Définitions

Point de vue de l'  intelligence artificielle  , l' apprentissage de la machine par la principale force motrice est la nécessité d'acquérir des connaissances (acquisition des connaissances).   En effet, dans de nombreux cas, nous avons besoin des connaissances spécialisées sont rares (pas assez d'experts assis classer la carte de crédit de phishing de toutes les transactions quotidiennes) ou de ralentir pour un certain nombre de tâches qui ont besoin de prendre des décisions rapidement traitement rapide des données basée sur l'énorme (dans le négoce de valeurs mobilières doit décider en quelques secondes ces moments-là) et instable, il doit avoir besoin d'un ordinateur.   En outre, la majorité des données générées aujourd'hui ne convient que pour la lecture de la machine (lisible par un ordinateur) source potentiellement importante de connaissances.   l'apprentissage automatique d'étude comment modéliser le problème permet à l'ordinateur de comp

d'apprentissage machine

l'  apprentissage de  la  machine,  la documentation appelée  apprentissage machine,  ( en  anglais  : l'  apprentissage de  la  machine)  est un domaine de l'  intelligence artificielle  concernant la PI des techniques de recherche et de construction permettent au système de « apprendre » automatiquement données pour résoudre des problèmes spécifiques.   Par exemple, la machine peut « apprendre » comment classer  e-mail  pour voir si le  spam (spam)  ou non et mettre automatiquement les messages dans leurs dossiers respectifs.   l' apprentissage de la machine est très proche de l'  inférence  des  statistiques  (d'inférence statistique) , mais avec une terminologie différente. Grand apprentissage machine liée à des  statistiques  , puisque les deux domaines sont l' analyse des données de recherche, mais d' autres que les statistiques, l' apprentissage de la machine se concentre sur la complexité des algorithmes de calcul dans la mise en œuvre.