मशीन लर्निंग (एमएल)
- पर्यवेक्षित मशीन लर्निंग
- पर्यवेक्षित मशीन लर्निंग
- स्व-पर्यवेक्षित मशीन लर्निंग
शास्त्रीय प्रोग्रामिंग परिणाम बनाने के लिए प्रोग्राम (एल्गोरिदम) का उपयोग करती है:
पारंपरिक कंप्यूटिंग
डेटा + कंप्यूटर एल्गोरिथम = परिणाम
मशीन लर्निंग प्रोग्राम (एल्गोरिदम) बनाने के लिए परिणामों का उपयोग करता है:
यंत्र अधिगम
डेटा + परिणाम = कंप्यूटर एल्गोरिथम
यंत्र अधिगम
मशीन लर्निंग को अक्सर आर्टिफिशियल इंटेलिजेंस के समकक्ष माना जाता है।
यह सही नहीं है। मशीन लर्निंग आर्टिफिशियल इंटेलिजेंस का एक सबसेट है।
मशीन लर्निंग एआई का एक अनुशासन है जो मशीनों को सिखाने के लिए डेटा का उपयोग करता है।
"मशीन लर्निंग अध्ययन का एक क्षेत्र है जो कंप्यूटर को प्रोग्राम किए बिना सीखने की क्षमता देता है।"
आर्थर सैमुअल (1959)
पर्यवेक्षित अध्ययन
पर्यवेक्षित शिक्षण एल्गोरिदम को प्रशिक्षित करने के लिए लेबल किए गए डेटा (ज्ञात उत्तरों के साथ डेटा) का उपयोग करता है:
- डेटा वर्गीकृत करें
- परिणामों की भविष्यवाणी करें
पर्यवेक्षित शिक्षण ज्ञात स्पैम उदाहरणों के आधार पर "ई-मेल में स्पैम क्या है" जैसे डेटा को वर्गीकृत कर सकता है।
पर्यवेक्षित शिक्षण परिणामों की भविष्यवाणी कर सकता है जैसे कि आपके द्वारा चलाए गए वीडियो के आधार पर यह अनुमान लगाना कि आपको किस प्रकार का वीडियो पसंद है।
अनुपयोगी शिक्षा
डेटा में अर्थपूर्ण पैटर्न जैसे अपरिभाषित संबंधों की भविष्यवाणी करने के लिए अनसुपरवाइज्ड लर्निंग का उपयोग किया जाता है।
यह खुद को बेहतर बनाने की तुलना में कंप्यूटर एल्गोरिदम बनाने के बारे में है।
यह उम्मीद की जाती है कि प्रोग्रामर्स को मॉडल बनाए बिना समस्याओं को हल करने की अनुमति देने के लिए मशीन लर्निंग अनसुपरवाइज्ड लर्निंग में स्थानांतरित हो जाएगी।
स्व-पर्यवेक्षित शिक्षण
स्व-पर्यवेक्षित शिक्षण अप्रशिक्षित शिक्षा के समान है क्योंकि दोनों मानव जोड़े गए लेबल के बिना डेटा के साथ काम करते हैं।
अंतर यह है कि अप्रशिक्षित शिक्षण क्लस्टरिंग, समूहीकरण और आयामीता में कमी का उपयोग करता है, जबकि स्व-पर्यवेक्षित शिक्षण प्रतिगमन और वर्गीकरण कार्यों के लिए अपने निष्कर्ष निकालता है।