Táimid ag finné réabhlóid mhór AI!
Gach lá faigheann muid aip nua a bhfuil cumais iontacha aige. Le go leor apps agus cláir a úsáideann AI agus foghlaim meaisín ag dul isteach inár saol; ba chóir dúinn níos mó ama a thógáil chun foghlaim fúthu seo.
Sa phost seo, déanfaimid iniúchadh foghlaim meaisín go mion. Chomh maith leis sin, díreoimid go sonrach ar thopaicí na Foghlama Meaisín, Traenáil agus Tátal.
Let tús le bunúsacha.
Cad is Foghlaim Meaisín ann?
Is iomaí uair a fheicimid na téarmaí “foghlaim meaisín” agus “intleacht shaorga” in úsáid le chéile. Mar sin, déanaimis soiléiriú ar an gceann sin ar dtús. Is brainse den hintleachta saorga í foghlaim meaisín. Baineann sé le halgartaim oiliúna chun tuar nó roghanna atá bunaithe ar shonraí a tháirgeadh.
Ina theannta sin, cuireann sé ar chumas na gcóras a gcuid feidhmíochta a fheabhsú go huathoibríoch bunaithe ar eispéiris san am atá caite.
hintleachta saorga, ar an láimh eile, is é an aithris ar intleacht an duine. Mar sin, tá sé i gceist ag ríomhairí smaoineamh agus gníomhú mar dhaoine. Cuimsíonn sé roinnt fo-réimsí cosúil le foghlaim meaisín, fís ríomhaire, agus próiseáil teanga nádúrtha.
Samhlacha Meaisín Foghlama a Fhorbairt
Is algartam é samhail meaisínfhoghlama. Cruthaímid na halgartaim seo chun feidhmíocht a fheabhsú go huathoibríoch trí fhoghlaim sonraí. Bainimid úsáid astu chun sonraí ionchuir a scrúdú, chun torthaí amach anseo a réamh-mheas, nó chun breithiúnais a dhéanamh.
A ligean ar a thabhairt mar shampla. Chun grianghraif a chatagóiriú mar bhláth nó mar chait, is féidir múnla a oiliúint chun íomhánna a aithint.
Agus, is féidir leis a chinneadh an bhfuil an pictiúr de bhláth nó cat. Is é príomhphrionsabal na foghlama meaisín ná gur cheart feidhmíocht an mhúnla a fheabhsú go leanúnach. Ba cheart go mbeadh sé ag freagairt go maith d'athrú paraiméadair sna sonraí.
Den chuid is mó, déanaimid an oiliúint meaisínfhoghlama seo ar Leabhar Nótaí Iúpatar, atá ina uirlis iontach don tionscadal a bhaineann le haon sonraí.
Oiliúint Múnla
Tugtar “oiliúint” ar an bpróiseas chun algartam a mhúineadh chun tuar a ghiniúint nó chun gníomhartha a dhéanamh bunaithe ar shonraí ionchuir. Le linn na hoiliúna, déantar paraiméadair an chórais a mhodhnú chun go bhféadfaidh an algartam oibriú. I ndeireadh na dála, táimid ag iarraidh tuar beachta a dhéanamh ar shonraí úrnua.
Maoirseacht agus foghlaim gan mhaoirsiú is iad an dá phríomhchatagóir meaisínfhoghlama.
Foghlaim faoi Mhaoirseacht
Úsáidtear tacar sonraí lipéadaithe chun an t-algartam a oiliúint i bhfoghlaim faoi mhaoirseacht. Sa chineál seo meaisínfhoghlama, sonraítear an toradh ionchais do gach ionchur. Déanann an algartam tuar ar shonraí úra. Chomh maith leis sin, foghlaimíonn sé na naisc idir na hionchuir agus na haschuir ag baint úsáide as an bhfaisnéis seo.
Toisc go bhfaigheann an tsamhail maoirseacht ar cad ba cheart a bheith sna haschuir inmhianaithe, tagraítear don chineál seo foghlama mar “mhaoirseacht”.
Feidhmchláir amhail aithint cainte, aicmiú íomhá, agus próiseáil teanga nádúrtha go léir úsáid as foghlaim faoi mhaoirseacht. Sna feidhmchláir seo, cuirtear oiliúint ar an algartam ar thacair shonraí lipéadaithe mhóra. Mar sin, is féidir linn sonraí úra gan choinne a thuar.
Chomh maith leis sin, ní mór mapáil ionchur-go-aschur a fhoghlaim le bheith chomh cruinn agus is féidir.
Is é aidhm na foghlama maoirsithe an léarscáiliú is cruinne a aimsiú idir ionchuir agus aschuir.
Foghlaim gan mhaoirsiú
Is fothacar d’fhoghlaim mheaisín í an fhoghlaim gan mhaoirseacht. Cuirimid oiliúint ar an algartam ar thacar sonraí gan lipéad. Mar sin, faigheann na samhlacha patrúin nó comhghaolta sna sonraí a bhrath. Ní gá dúinn a shainiú go sonrach cad ba cheart a bheith sna haschuir. Tagraítear don chineál seo foghlama mar “gan mhaoirseacht”. Is é is cúis leis seo ná nach bhfaigheann an tsamhail treoir shoiléir ar cad ba cheart a bheith sna haschuir.
Teastaíonn foghlaim gan mhaoirseacht le haghaidh feidhmeanna cosúil le brath aimhrialtachta, braisliú, agus laghdú toise. Sna feidhmchláir seo, ní mór don algartam patrúin nó comhghaolta sna sonraí a aithint. Agus, tá sé gan treoir shainráite tar éis a bheith oilte ar shampla de shonraí neamhlipéadaithe.
Tá sé mar aidhm ag foghlaim gan mhaoirseacht patrúin nó struchtúir fholaithe a aimsiú. Is féidir linn é a úsáid i tascanna éagsúla, mar shampla comhbhrú sonraí nó rudaí comhchosúla a ghrúpáil le chéile.
Optamú Foghlama Meaisín
Tá an próiseas leas iomlán a bhaint riachtanach i dtógáil samhail meaisín-fhoghlama. Is é cuspóir an bharrfheabhsú an difríocht idir réamh-mheastacháin na samhla agus na luachanna iarbhír i sonraí oiliúna a laghdú.
Cabhraíonn an próiseas seo leis an tsamhail na naisc idir ionchuir agus aschuir a fhoghlaim. Mar sin, is féidir linn na tuar is cruinne a fháil.
Trí earráid a laghdú, féadfaidh an tsamhail ginearálú níos fearr a dhéanamh ar shonraí nua nach raibh ar eolas cheana. Mar sin, féadann sé tuar níos láidre agus níos iontaofa a tháirgeadh.
Sa mheaisínfhoghlaim, baintear an próiseas leas iomlán a bhaint as úsáid a bhaint as halgartaim mar shliocht grádáin. Mar sin, déanann ár n-algartam na paraiméadair a choigeartú go leanúnach go dtí go n-íoslaghdaítear an earráid. Tá an nós imeachta leas iomlán a bhaint riachtanach chun tuar an tsamhail a bheith cruinn.
Tacar Sonraí Oiliúna Machine Learning
Is tacar sonraí é tacar sonraí oiliúna a úsáidtear chun oiliúint a samhail foghlama meaisín. Cuirimid oiliúint ar an tsamhail maidir le conas tuartha a ghiniúint trí shamplaí ionchuir agus torthaí a thaispeáint. Bunaithe ar na sonraí oiliúna seo, athraíonn an tsamhail a pharaiméadar.
Mar sin, déantar cruinneas a thuar a mheas ag baint úsáide as tacar sonraí ar leith, an tacar bailíochtaithe.
Ba cheart go léireodh an tacar sonraí oiliúna an fhadhb atá á réiteach. Agus, ba cheart go mbeadh go leor sonraí ann chun an tsamhail a oiliúint go leordhóthanach. D’fhéadfadh tuartha na samhla a bheith míchruinn má tá an tacar sonraí oiliúna róbheag.
Nó, b'fhéidir nach bhfuil sé an-ionadaíoch. Mar thoradh air sin, tá réamhphróiseáil fhairsing ar an tacar sonraí oiliúna riachtanach. Mar sin, is féidir linn a ráthú go bhfuil an rath is airde ag an múnla.
Sampla Traenála:
A ligean ar a thabhairt sampla chun tuiscint a fháil ar an bpróiseas oiliúna.
Sa sampla seo, táimid ag glacadh leis go bhfuil tacar sonraí againn darb ainm “music.csv”. Tá luachanna inscne, aoise agus seánra aige. Mar sin, tuarann sé cén seánra ceoil a bhfuil duine ag éisteacht bunaithe ar a n-aois agus a inscne.
Is é seo an cód Python le haghaidh oiliúna meaisín foghlama simplí ag baint úsáide as an leabharlann scikit-foghlaim: Úsáidtear an cur chuige aischéimnithí lóistíochta sa chód seo chun múnla a oiliúint ar na sonraí agus ansin a chruinneas ar na sonraí tástála a mheas.
Cuirtear na sonraí i bhfráma sonraí na pandas ar dtús sula roinntear iad i ngnéithe (X) agus spriocanna (Y) (y). Tar éis sin, roinntear na sonraí i dtacair oiliúna agus tástála, agus úsáidtear 80% de na sonraí le haghaidh oiliúna agus 20% le haghaidh tástála. Cuirtear oiliúint ar an tsamhail ansin ar na sonraí oiliúna sula ndéantar tástáil ar na sonraí tástála.
Tátal i bhFoghlaim Meaisín
Tagraítear don phróiseas a bhaineann le múnla oilte a úsáid chun tuartha a dhéanamh ar shonraí úra mar thátal.
Chun é a chur ar bhealach eile, is é cur i bhfeidhm na faisnéise a fuarthas le linn na hoiliúna. Faigheann an tsamhail sonraí úra agus gineann sé tuar nó breithiúnas bunaithe ar na patrúin a fuair sé amach sna sonraí oiliúna.
Beidh tuartha na samhla cruinn ag brath ar cháilíocht na sonraí oiliúna. Chomh maith leis sin, braithfidh sé ar ailtireacht na samhla a roghnófar, agus ar na teicnící a úsáidtear chun an tsamhail a oiliúint.
Tábhacht tátail in iarratais
Mar thátal, tugaimid deis don mhúnla torthaí a sholáthar do sprioc ar leith. Féadfaidh siad seo a bheith éagsúil mar aicmiú íomhá, próiseáil teanga nádúrtha, nó córais mholta. Bíonn tionchar díreach ag cruinneas na céime tátail ar fheidhmíocht iomlán an chórais.
Tá sé ríthábhachtach chun samhlacha meaisínfhoghlama a chur i bhfeidhm i bhfeidhmchláir fhíorshaoil.
Ionchur sonraí nua, anaithnide
Tosaíonn an próiseas tátail sa mheaisínfhoghlaim le sonraí úra a chur leis an tsamhail. Ní mór na sonraí seo a réamhphróiseáil chun teacht leis an bhformáid ionchuir a úsáidtear chun an tsamhail a oiliúint.
Tuartha bunaithe ar phatrúin foghlamtha
Úsáideann an tsamhail ansin na sonraí ionchuir chun tuartha a dhéanamh bunaithe ar phatrúin foghlamtha na sonraí oiliúna. Braitheann cruinneas na dtuartha ar cháilíocht na sonraí oiliúna agus na teicnící a úsáidtear.
Sampla den Tátal:
Cosúil leis an sampla roimhe seo; cuirfimid oiliúint ar na sonraí ar dtús agus ansin cuirfimid tátal i bhfeidhm. Sa chás seo, tá RandomForestClassifier úsáidte againn in ionad LogisticRegression.
Táimid ag táirgeadh tuartha arís i Python ag baint úsáide as an bhfoireann uirlisí sci-kit-learn. Glac leis go bhfuil múnla oilte againn agus go bhfuil tacar sonraí againn ar a dtugtar X test ar mian linn tuar a dhéanamh air.
Déantar tuar sa chód seo ar thacar sonraí tástála X ag baint úsáide as feidhm thuar na samhla oilte. Sábháiltear na tuartha ansin i bhfráma sonraí, agus taispeántar na chéad chúig cinn.
Tátail Fachtóirí Tionchair Feidhmíochta
Bíonn tionchar ag roinnt gnéithe tábhachtacha ar fheidhmíocht na tátail sa mheaisínfhoghlaim.
Luas na céime tátail
Is ábhar imní ríthábhachtach é luas tátail ós rud é go mbíonn tionchar díreach aige ar fheidhmíocht an chórais. Is féidir le hamanna tátail níos tapúla cinnteoireacht nó tuar níos tapúla a dhéanamh. Chomh maith leis sin, treisíonn sé úsáideacht an tsamhail.
Cruinneas tuartha
Príomh-chomhpháirt eile is ea cruinneas na dtuar a cruthaíodh le linn tátail. Is é is cúis leis seo ná gurb é sprioc an mhúnla aschuir a sholáthar atá chomh gar do na fíorluachanna agus is féidir. Tá cruinneas aschuir an mhúnla ag brath ar cháilíocht na sonraí oiliúna.
Chomh maith leis sin, tá baint mhór aige leis an ailtireacht mhúnla.
An tábhacht a bhaineann leis an gcéim tátail a bharrfheabhsú
I bhfianaise a thábhachtaí atá luas agus cruinneas tátail, tá sé ríthábhachtach an próiseas tátail a bharrfheabhsú le haghaidh torthaí éifeachtacha. D’fhéadfadh go n-áireofaí leis seo straitéisí mar laghdú ar mhéid an mhúnla. Nó, is féidir leat luasghéarú crua-earraí a ghiaráil, nó na próisis phróiseála sonraí ionchuir a fheabhsú.
Conclúid
Ar deireadh, i meaisínfhoghlaim, is próisis ríthábhachtacha iad oiliúint agus tátal. Ní mór dúinn an t-eolas agus na cumais ar leith a bheith againn chun iad a chur i bhfeidhm go héifeachtach. Ligeann oiliúint don mhúnla tuar a dhéanamh, ach ligeann tátal don tsamhail tuar a dhéanamh bunaithe ar shonraí úra.
Tá róil ríthábhachtacha ag an mbeirt acu maidir le rath agus cruinneas samhail a chinneadh. Mar sin, coinnigh iad san áireamh i do chéad tionscadal eile!
Leave a Reply