Strojno učenje

Iz Wikipedije, proste enciklopedije

Strojno učenje (angleško Machine Learning, nemško Maschinelles Lernen) pomeni pridobivanje znanja na podlagi izkušenj. Ne gre za učenje na pamet, ampak za iskanje pravil v učnih podatkih. Tako lahko dobimo odgovor tudi na vprašanje, ki ni sodelovalo pri učenju. Dva nabolj znana predstavnika strojnega učenja sta nevronske mreže in skriti model Markova.

[uredi] Vrste strojnega učenja

Učenje je lahko nadzorovano ali nenadzorovano.

  • Nadzorovano učenje (supervised learnig): Algoritem uči stroj s podanimi pari vhodnih in želenih izhodnih podatkov. Pri tem želene izhodne vrednosti določa učitelj, oz. človek - nadzornik.
  • Nenadzorvano učenje (unsupervised laerning): Algoritem razdeli dane vhodne podatke, po svojih kriterijih, v več kategorij, ki imajo svoje značilnosti. To se imenuje rojenje (clustering). Število kategorij in njihove značilnosti izlušči algoritem iz vhodnih podatkov, brez nadzora učitelja.
  • Okrepčevalno učenje (reinforcement learning): Algoritem uči z nagrajevanjem in kaznovanjem. To je taktika za maksimiranje uporabnosti agenta.

[uredi] Glej tudi