Jak odborníci na strojové učení používají strukturovanou předpověď? eval (ez_write_tag ([[320,50], techopedia_com-under_page_title, ezslot_8,242,0,0]));

Obsah

Q:

Jak odborníci na strojové učení používají strukturovanou předpověď?

A:

Odborníci na strojové učení používají strukturovanou predikci celou řadou způsobů, obvykle použitím určité formy techniky strojového učení na konkrétní cíl nebo problém, který může těžit z uspořádaného výchozího bodu pro prediktivní analýzu.

Technická definice strukturované predikce zahrnuje „předpovídání strukturovaných objektů spíše než skalární diskrétní nebo skutečné hodnoty“.

Jiným způsobem, jak to říci, by bylo, že místo jednoduchého měření jednotlivých proměnných ve vakuu, strukturované předpovědi pracují z modelu konkrétní struktury a používají je jako základ pro učení a vytváření předpovědí. (Přečtěte si, jak může AI pomoci při predikci osobnosti?)

Techniky strukturované predikce jsou značně variabilní - od Bayesovských technik po induktivní logické programování, Markovovy logické sítě a strukturované podpůrné vektorové stroje nebo algoritmy nejbližších sousedů. Odborníci na strojové učení mají k dispozici širokou sadu nástrojů, které lze použít na problémy s daty.

Co je v těchto myšlenkách běžné, je použití určité základní struktury, na které je strojové učení založeno, ze své podstaty.

Odborníci často dávají představu o zpracování přirozeného jazyka, kde jsou části řeči označeny tak, aby reprezentovaly prvky struktury - další příklady zahrnují optické rozpoznávání znaků, kde program strojového učení rozpoznává ručně psaná slova analýzou segmentů daného vstupu nebo komplexní zpracování obrazu. , kde se počítače učí rozpoznávat objekty na základě segmentovaného vstupu, například s konvoluční neuronovou sítí složenou z mnoha „vrstev“.

Odborníci mohou hovořit o lineární klasifikaci více tříd, funkcích lineární kompatibility a dalších základních technikách pro generování strukturovaných předpovědí. Ve velmi obecném smyslu strukturované předpovědi staví na jiném modelu, než je širší pole strojového učení pod dohledem - abychom se vrátili k příkladu strukturovaných předpovědí ve zpracování přirozeného jazyka a označených fonémech nebo slovech, vidíme, že použití označení pro supervize strojového učení je orientována na samotný strukturální model - smysluplný, který je dodáván, snad v testovacích sadách a výcvikových sadách.

Poté, co je program strojového učení uvolněn pro svou práci, je založen na strukturálním modelu. To, jak říkají odborníci, vysvětluje, jak program chápe, jak využít části řeči, jako jsou slovesa, příslovce, přídavná jména a substantiva, spíše než je zaměňovat za jiné části řeči, nebo není schopen rozlišit, jak fungují v globálním kontextu. . (Přečtěte si, jak jsou strukturovaná data? Zkoumání strukturovaných, nestrukturovaných a polostrukturovaných dat.)

Pole strukturované predikce zůstává klíčovou součástí strojového učení, protože se vyvíjejí různé typy strojového učení a umělé inteligence.