Thuật ngữ ML

Các mối quan hệ

Hệ thống học máy sử dụng Mối quan hệ giữa các Đầu vào để tạo ra các Dự đoán .

Trong đại số, một quan hệ thường được viết dưới dạng y = ax + b :

• y là nhãn mà chúng tôi muốn dự đoán
• a là hệ số góc của đường thẳng
• x là các giá trị đầu vào
• b là điểm chặn

Với ML, mối quan hệ được viết dưới dạng y = b + wx :

• y là nhãn mà chúng tôi muốn dự đoán
• w là trọng lượng (độ dốc)
• x là các tính năng (giá trị đầu vào)
• b là điểm chặn

Nhãn học máy

Trong thuật ngữ Học máy, nhãn là thứ chúng ta muốn dự đoán .

Nó giống như y trong đồ thị tuyến tính:

Các tính năng của Máy học

Trong thuật ngữ Học máy, các tính năng là đầu vào .

Chúng giống như các giá trị x trong đồ thị tuyến tính:

Đôi khi có thể có nhiều tính năng (giá trị đầu vào) với các trọng số khác nhau:

y = _{b +} w1x1 + _w2x2 + _w3x3 + _w4x4 _ _{_ _} _ _{_}

Mô hình học máy

Mô hình xác định mối quan hệ giữa nhãn (y) và các đối tượng địa lý (x).

Có ba giai đoạn trong vòng đời của một mô hình:

• Thu thập dữ liệu
• Tập huấn
• Sự suy luận

Đào tạo về học máy

Mục tiêu của đào tạo là tạo ra một mô hình có thể trả lời một câu hỏi. Như giá dự kiến ​​cho một ngôi nhà là bao nhiêu?

Suy luận về máy học

Suy luận là khi mô hình được đào tạo được sử dụng để suy ra (dự đoán) các giá trị bằng cách sử dụng dữ liệu trực tiếp. Như đưa mô hình vào sản xuất.