Nothing Special   »   [go: up one dir, main page]

Pumunta sa nilalaman

Pagkatuto ng makina

Mula sa Wikipedia, ang malayang ensiklopedya

Ang pagkatuto ng makina (Ingles: machine learning) na isang sangay ng intelihensiyang artipisyal, ay isang disiplanang pang-agham hinggil sa pagdidisenyo at pagpapaunlad ng mga algoritmo na nagbibigay-daan sa kompyuter na makapagbago ng pag-aasal batay sa mga datos(o data) mula sa obserbasyon, tulad ng mga datos ng sensor o database. Ang pagkatuto ng makina ay tumutukoy sa pagbuo ng mga algoritmo na nagpapahintulot sa mga makina upang matuto sa pamamagitan ng pasaklaw na paghinuha batay sa pagmamasid ng mga datos na kumakatawan sa hindi kumpletong impormasyon tungkol sa isang estatistikal na pangyayari. Ang klasipikasyon na kilala rin bilang pagkilala ng paterno(pattern recognition) ay isang mahalagang gawain sa pagkatuto ng makina, kung saan ang makina ay nag-aaral na automatikong matuto na makilala ang mga kumplikadong paterno, kumilala ng mga modelo batay sa kanilang iba't ibang mga paterno at gumawa ng mga intelihenteng desisyon.

Uri ng mga algoritmong ginagamit sa pagkatuto ng makina

[baguhin | baguhin ang wikitext]

Ang mga algoritmo ng pagkatuto ng makina ay maaaring pangkatin sa mga klase batay sa ninanais na kalalabasan ng mga algoritmo:

  • Ang pinapatnubayang pagkatuto ay lumilikha ng punsiyon na nagmamapa sa input(pinapasok na data) at ninanais na output(kalalabasang data) na tinatawag na mga tatak(labels) dahil ito ay itinatakda ng mga taong dalubhasa na nagtatak ng mga sinasanay na mga sampol. Halimbawa, sa problema ng klasipikasyon, ang nag-aaral na matutong makina ay nagtatantya ng isang punsiyon na nagmamapa ng bektor sa mga klase sa pamamagitan at pagtingin sa sampol n ainput-ouput na sampol ng punsiyon.
  • Ang di pinapatnubayang pagkatuto ay nagmomodelo ng hanay ng mga input tulad ng pagkukumpol(clustering).
  • Ang kalahating pinapatnubayang pagkatuto ay pinagsasama ang parehong may tatak at walang tatak na mga sampol upang lumikha ng tamang punksiyon o klasipayer.
  • Ang pagpapalakas na pagkatuto ay pagkatuto kung paano umasal sa isang ibinigay na obserbasyon ng mundo. Ang bawat aksiyon ay may epekto sa kapaligiran at ang kapaligiran ay nagbibigay ng feedback(tugon) sa anyo ng mga gantimpala na gumagabay sa pagkatutong algoritmo.
  • Ang transdaksiyon ay sumusubok na humula ng mga bagong output batay sa input na ginamit sa pagsasanay, output sa pagsasanay at input na sinusubukan.
  • Ang pagkatuto upang matuto ay nag-aaral na matutunan ang sarili nitong indaktibong bias batay sa nakaraang karanasan.