Tartalom
K:
Hogyan használják az indukciós algoritmust a gépi tanulásban?
A:
A gépi tanulás területén az indukciós algoritmus példát mutat a matematikai alapelvek felhasználására a kifinomult számítási rendszerek fejlesztésére. A gépi tanulási rendszerek túlmutatnak az egyszerű „rote input / output” funkción, és tovább fejlesztik az általuk nyújtott eredmények folyamatos használatával. Az indukciós algoritmusok segíthetnek a kifinomult adatkészletek valós idejű kezelésében, vagy hosszabb távú erőfeszítésekben.
Az indukciós algoritmus vonatkozik azokra a rendszerekre, amelyek összetett eredményeket mutatnak, attól függően, hogy mire készültek. Az egyik legalapvetőbb módszer, amellyel a mérnökök indukciós algoritmust használnak, az, hogy elősegítsék a tudás megszerzését egy adott rendszerben. Más szavakkal, a helyén lévő algoritmus mellett a végfelhasználók által megszerzett „tudás-adatok” halmaza valahogy javul, akár az adatmennyiség, a zaj és a nem kívánt eredmények szűrése, akár egyes adatpontok finomítása szempontjából.
Noha az indukciós algoritmusok műszaki leírása nagyrészt a matematikai és tudományos folyóiratok területe, az indukciós algoritmus használatának egyik alapvető gondolata az, hogy az indukciós elv szerint „osztályozási szabályokat” képes megszervezni, és különféle következményeket eredményez különféle rendszerekből zaj vagy kivételek. A zaj szűrése egy tartományból általában az indukciós algoritmus kiemelkedő alkalmazása. Az a gondolat, hogy a valós adatszűrésnél az indukciós algoritmusok különböző szabálykészleteket állíthatnak össze mind a legitim eredmények, mind a rendszerzaj szempontjából, hogy megkülönböztessék egymást.
Az indukciós algoritmusok egyes képzési példákkal történő felállításával az érdekelt felek e rendszerek képességét keresek arra, hogy azonosítsák és értékeljék a következetes szabályokat és adatokat, amelyek e szabályok alóli kivételeket képviselik. Bizonyos értelemben az indukciós algoritmus az indukciós elv alapján bizonyos eredményeket „bizonyít meg”, amelyek elősegítik a tudást, mivel ezek egy adatkészletben (vagy több adatkészletben) markánsabb körvonalakat adnak - megkülönböztetések, amelyek mindenféle véghez vezethetnek felhasználói képességek.
Más típusú gépi tanulási szoftverekhez hasonlóan az indukciós algoritmusokat gyakran „döntés-támogatási formának” tekintik.
„A valós indukciós rendszer fő feladatának azt tekintjük, hogy segítsünk a szakértőnek szakértelmének kifejezésében” - írta a Turing Institute intézetének írója, amely a gépi tanulás indukciójáról nyolcvanas években szól. "Következésképpen megköveteljük, hogy az indukált szabályok rendkívül prediktívek és könnyen érthetőek legyenek a szakértő számára."
Ezt szem előtt tartva, az indukciós algoritmusok sokféle szoftver termék részét képezhetik, amelyek célja az adatok finomítása és fejlődő eredmények előállítása az emberi felhasználók számára. Általánosságban elmondható, hogy a gépi tanulás és a vizuális műszerfal használata új eszközöket generál, amelyek révén a felhasználók gyorsabban megismerhetik az adott rendszerrel kapcsolatos információkat, függetlenül attól, hogy azok a tengerkutatással, az orvosi diagnózissal, az e-kereskedelemmel vagy másfajta rendszerrel kapcsolatosak-e. adatgazdag rendszer.