머신러닝이란 무엇인가요? 머신러닝은 어떤 종류의 문제를 해결할 수 있나요?

머신러닝은 컴퓨터가 인간의 학습 행동을 시뮬레이션 또는 구현하여 새로운 지식이나 기술을 습득하고 기존 지식 구조를 재구성하여 자체 성능을 지속적으로 향상시키는 방법을 연구하는 전문 분야입니다. 기계 학습으로 해결할 수 있는 문제: 1. 분류 문제 2. 회귀 문제 3. 클러스터링 문제

이 튜토리얼의 운영 환경: Windows 7 시스템, Dell G3 컴퓨터.

머신러닝이란 무엇인가요?

머신러닝은 컴퓨터 데이터의 일부를 학습한 후, 다른 데이터를 예측하고 판단하는 것입니다.

머신러닝의 핵심은 "알고리즘을 사용하여 데이터를 구문 분석하고, 학습한 다음, 새로운 데이터에 대해 결정이나 예측을 내리는 것"입니다. 즉, 컴퓨터는 얻은 데이터를 사용하여 특정 모델을 도출한 다음 이 모델을 사용하여 예측을 수행합니다. 이 과정은 예를 들어 사람이 특정 경험을 얻은 후 학습하는 과정과 다소 유사합니다. 새로운 문제를 예측할 수 있습니다.

우리 모두는 Alipay의 봄 축제 "5복을 모으십시오" 활동을 알고 있습니다. 우리는 휴대폰을 사용하여 "福"이라는 단어의 사진을 스캔하여 "福"이라는 단어를 식별합니다. 알고리즘 모델 학습을 통해 시스템은 지속적으로 업데이트 및 학습한 후 "福"이라는 단어가 포함된 새로운 사진을 입력하면 기계가 자동으로 단어가 있는지 식별합니다. 사진 속 '푹'.

머신러닝은 확률 이론, 통계, 컴퓨터 과학 및 기타 학문이 포함된 다분야 학제간 과목입니다. 머신러닝의 개념은 대규모 훈련 데이터를 입력해 모델을 훈련함으로써 모델이 데이터에 포함된 잠재적인 패턴을 파악한 후 새로 입력된 데이터를 정확하게 분류하거나 예측할 수 있도록 하는 것입니다. 아래 그림과 같이:

머신러닝으로 어떤 종류의 문제를 해결할 수 있나요?

기능적 관점에서 머신러닝은 특정 양의 데이터에 대해 다음과 같은 문제를 해결할 수 있습니다.

1. 분류 문제: 데이터 샘플에서 추출된 특징을 기반으로 제한된 범주 중 어느 범주에 속하는지 결정합니다. 예: 스팸 식별(결과 범주: 1. 스팸 2. 일반 메일).

2. 회귀 문제: 데이터 샘플에서 추출된 특징을 기반으로 연속 값의 결과를 예측합니다. 예: Xingye의 "인어" 흥행

3. 클러스터링 문제: 데이터 샘플에서 추출된 특성에 따라 샘플을 그룹화합니다(유사/관련 샘플이 그룹에 있음). 예: Google의 뉴스 분류.

위의 일반적인 질문을 머신러닝의 가장 일반적인 두 가지 범주로 나누어 보겠습니다.

• 분류 및 회귀 문제는 결과가 알려진 데이터로 훈련되어야 하며 "지도 학습"에 속해야 합니다.

• 클러스터링 문제는 알려진 레이블이 필요하지 않으며 "비지도 학습"에 속합니다.

IT 산업(특히 인터넷)을 좀 더 살펴보면 다음과 같은 핫이슈에 머신러닝이 널리 활용되고 있음을 알 수 있습니다.

자세한 내용은 FAQ를 방문하세요. 열!

위 내용은 머신러닝이란 무엇인가요? 머신러닝은 어떤 종류의 문제를 해결할 수 있나요?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!