Tafole ea likateng[Pata][Bontša]
Lefatše le fetoha ka potlako ka lebaka la bohlale ba maiketsetso, le ho ithuta ka mochini, ho nang le tšusumetso likarolong tsohle tsa bophelo ba rona ba letsatsi le letsatsi.
Ho tsoa ho bathusi ba lentsoe ba sebelisang NLP le ho ithuta ka mochini ho beha linako tsa kopano, ho sheba liketsahalo almanakeng ea rona, le ho bapala 'mino ho lisebelisoa tse nepahetseng hoo ba ka lebellang litlhoko tsa rona pele re li nahana.
Lik'homphieutha li ka bapala chess, tsa etsa opereishene, 'me tsa fetoha mechine e bohlale haholoanyane, e kang ea motho ka thuso ea mekhoa ea ho ithuta ka mochine.
Re nakong ea tsoelo-pele e tsoelang pele ea theknoloji, 'me ka ho bona kamoo lik'homphieutha li ntlafetseng kateng ho theosa le nako, re ka bolela esale pele ka se tla etsahala nakong e tlang.
Temokerasi ea lisebelisoa le mekhoa ea likhomphutha ke e 'ngoe ea lintlha tsa bohlokoa tsa phetoho ena e hlahelletseng. Bo-rasaense ba data ba thehile likhomphutha tse matla tse kopanyang data lilemong tse hlano tse fetileng ka ho sebelisa mekhoa e tsoetseng pele ka thata. Liphello ke tse makatsang.
Ka poso ena, re tla sheba ka hloko ho ithuta mochine algorithms le mefuta eohle ea tsona.
Joale, li-algorithms tsa ho Ithuta ka Mochini ke life?
Mokhoa o sebelisoang ke sistimi ea AI ho etsa mosebetsi oa eona-ka kakaretso, ho bolela esale pele boleng ba tlhahiso ho tsoa ho data e kentsoeng - e tsejoa e le algorithm ea ho ithuta mochini.
Algorithm ea ho ithuta ka mochini ke ts'ebetso e sebelisang data mme e sebelisoa ho theha mefuta ea ho ithuta ka mochini e seng e loketse tlhahiso. Haeba ho ithuta ka mochini e le terene e etsang mosebetsi, joale li-algorithms tsa ho ithuta ka mochini ke literene tse tsamaisang mosebetsi.
Mokhoa o motle ka ho fetisisa oa ho ithuta mochini o tla khethoa ke bothata ba khoebo boo u lekang ho bo rarolla, mofuta oa data eo u e sebelisang le lisebelisoa tseo u nang le tsona.
Li-algorithms tsa ho ithuta ka mochini ke tse fetolang data e behiloeng mohlala. Ho ipapisitse le mofuta oa bothata boo u lekang ho bo araba, matla a ho sebetsa a teng, le mofuta oa data eo u nang le eona, e hlokometsoeng, e sa laoloeng, kapa e matlafatsoang algorithms ea ho ithuta e ka sebetsa hantle.
Kahoo, re buile ka thuto e laoloang, e sa laoleheng, le ea ho matlafatsa, empa ke eng? A re li hlahlobeng.
Thuto e Laolehileng, e sa Laoleheng & Matlafatso
Thuto e Laoloang
Thutong e hlokometsoeng, mohlala oa AI o etsoa ho latela kenyelletso e fanoeng le leibole e emelang sephetho se boletsoeng esale pele. Ho ipapisitsoe le lintho tse kentsoeng le tse hlahisoang, moetso ona o etsa equation ea 'mapa, 'me o sebelisa equation ea 'mapa, o lepa lileibole tsa lintho tse tlang pele.
A re re re hloka ho etsa mohlala o ka khethollang pakeng tsa ntja le katse. Lifoto tse ngata tsa likatse le lintja li kenngoa mofuteng ona ka mangolo a bontšang hore na ke likatse kapa lintja ho koetlisa mohlala.
Moetso ona o batla ho theha equation e amanang le mabitso a lifoto tse kentsoeng le litšoantšo tseo. Esita le haeba mohlala o e-s'o bone setšoantšo pele, ka mor'a koetliso, o ka tseba hore na ke oa katse kapa ntja.
Ho ithuta ho sa behoang leihlo
Ho ithuta ho sa hlokomeloe ho kenyelletsa ho koetlisa mohlala oa AI feela ka lintho tse kenang ntle le ho li ngola. Mohlala o arola lintlha tse kentsoeng ka lihlopha tse nang le litšobotsi tse amanang.
Leibole ea nako e tlang ea kenyelletso e ea bolepiloe esale pele ho latela hore na litšoaneleho tsa eona li tšoana hantle hakae le e 'ngoe ea lihlopha. Nahana ka boemo boo re tlamehang ho arola sehlopha sa libolo tse khubelu le tse putsoa ka lihlopha tse peli.
A re nke hore litšobotsi tse ling tsa libolo li tšoana, ntle le 'mala. Motheong oa hore na o ka arola libolo joang ka lihlopha tse peli, mohlala o sheba litšobotsi tse fapaneng pakeng tsa libolo.
Lihlopha tse peli tsa libolo—e ’ngoe e putsoa le e ’ngoe e khubelu—li hlahisoa ha libolo li aroloa ka lihlopha tse peli ho latela ’mala oa tsona.
Ho Matlafatsa Ho ithuta
Thutong ea ho matlafatsa, mohlala oa AI o batla ho eketsa phaello ka kakaretso ka ho sebetsa hantle kamoo o ka khonang maemong a itseng. Maikutlo mabapi le liphetho tsa eona tsa pele e thusa mohlala ho ithuta.
Nahana ka boemo ba ha roboto e laeloa ho khetha tsela pakeng tsa lintlha tsa A le B. Roboto e qala ka ho khetha e 'ngoe ea lithuto hobane ha e na phihlelo ea pele.
Roboto e fumana lintlha mabapi le tsela eo e e nkang 'me e fumana tsebo ho eona. Roboto e ka sebelisa lintlha ho lokisa bothata nakong e tlang ha e tobana le maemo a tšoanang.
Mohlala, haeba roboto e khetha khetho ea B mme e fumana moputso, joalo ka maikutlo a nepahetseng, e utloisisa lekhetlong lena hore e tlameha ho khetha tsela B ho eketsa moputso oa eona.
Joale qetellong seo bohle le se emetseng, ke li-algorithms.
Mekhoa e Meholo ea ho Ithuta ka Mechini
1. Linear Regression
Mokhoa o bonolo ka ho fetesisa oa ho ithuta ka mochini o khelohang thutong e hlokometsoeng ke ho kheloha hoa mela. Ka tsebo e tsoang ho mefuta e ikemetseng, e sebelisoa haholo ho rarolla mathata a ho khutlela morao le ho etsa likhakanyo ka mefuta e sa khaotseng e itšetlehileng ka eona.
Ho fumana moeli o nepahetseng ka ho fetisisa, o ka thusang ho bolela esale pele sephetho bakeng sa mefuta e sa khaotseng e itšetlehileng ka eona, ke sepheo sa ho khutlela morao. Litheko tsa matlo, lilemo, le meputso ke mehlala e meng ea boleng bo tsoelang pele.
Mohlala o tsejoang e le mokhoa o bonolo oa ho khutlela morao o sebelisa mola o otlolohileng ho bala kamano pakeng tsa phetoho e le 'ngoe e ikemetseng le e le 'ngoe e itšetlehileng ka eona. Ho na le mefuta e fetang e 'meli e ikemetseng ka har'a mehala e mengata.
Moetso oa linear regression o na le menahano e mene ea motheo:
- Linearity: Ho na le khokahano lipakeng tsa X le moelelo oa Y.
- Homoscedasticity: Bakeng sa boleng bo bong le bo bong ba X, phapang e setseng ea tšoana.
- Boipuso: Maikutlo a ikemetse ho e mong ho latela boikemelo.
- Tloaelo: Ha X e tsitsitse, Y hangata e ajoa.
Linear regression e sebetsa hantle bakeng sa data e ka arohanngoang ka mela. E ka laola ho fetella ka ho sebelisa mekhoa e tloaelehileng, ea ho netefatsa, le mekhoa ea ho fokotsa boholo. Leha ho le joalo, ho na le maemo ao ho ona boenjineri bo bongata bo hlokahalang, boo ka linako tse ling bo ka fellang ka ho tlala ho feta tekano le lerata.
2. Logistic Regression
Logistic regression ke mokhoa o mong oa ho ithuta oa mochini o tlohang thutong e laoloang. Tšebeliso ea eona e kholo ke ho arola, athe e ka boela ea sebelisoa bakeng sa mathata a ho khutlela morao.
Logistic regression e sebelisetsoa ho bolela esale pele phapang e itšetlehileng ka lihlopha ho sebelisa boitsebiso bo tsoang ho lintlha tse ikemetseng. Sepheo ke ho hlophisa liphetho, tse ka oelang feela lipakeng tsa 0 le 1.
Kakaretso e lekantsoeng ea lintho tse kentsoeng e sebetsoa ke sigmoid function, ts'ebetso ea ts'ebetso e fetolang boleng lipakeng tsa 0 le 1.
Motheo oa ho theoha ha lintho ke khakanyo e kholo ea monyetla, mokhoa oa ho bala liparamente tsa kabo e nahanoang ea monyetla o fanoeng ke data e hlokometsoeng.
3. Sefate sa Qeto
Mokhoa o mong oa ho ithuta oa mochini o arohanang thutong e hlokometsoeng ke sefate sa liqeto. Bakeng sa lintlha tse peli tsa lihlopha le tsa ho fokotseha, mokhoa oa sefate sa liqeto o ka sebelisoa.
Sesebediswa sena sa ho etsa diqeto, se tshwanang le sefate, se sebedisa ditshwantshiso tse bonahalang ho bontsha diphetho tse lebeletsweng tsa ketso, ditjeho, le ditlamorao. Ka ho arola lintlha ka likarolo tse arohaneng, mohopolo o tšoana le kelello ea motho.
Lintlha li arotsoe ka likarolo tse ikhethileng ka hohle kamoo re ka khonang ho li hatisa. Sepheo se seholo sa Sefate sa Qeto ke ho aha mohlala oa koetliso o ka sebelisoang ho bolela esale pele sehlopha sa sepheo sa sepheo. Lintlha tse sieo li ka sebetsanoa ka bohona ho sebelisoa Sefate sa Qeto.
Ha ho na tlhoko ea ho kenya khoutu e le 'ngoe, mefuta e fapaneng ea dummy, kapa mehato e meng ea tlhahlobo ea data pele. E thata ka kutloisiso ea hore ho thata ho eketsa data e ncha ho eona. Haeba u na le lintlha tse ling tse ngotsoeng, u lokela ho koetlisa sefate hape ho dataset eohle.
Ka lebaka leo, lifate tsa liqeto ke khetho e mpe bakeng sa kopo leha e le efe e hlokang phetoho e matla ea mohlala.
Ho ipapisitse le mefuta e fapaneng ea khetho, lifate tsa liqeto li arotsoe ka mefuta e 'meli:
- Phapang ea Categorical: Sefate sa Qeto seo sepheo sa sona e leng sa Categorical.
- Phetoho e Tsoelang Pele: Sefate sa Qeto moo sepheo sa sepheo se sa khaotseng.
4. Random Forest
Random Forest Method ke mokhoa o latelang oa ho ithuta mochini 'me ke mokhoa oa ho ithuta oa mochini o hlokometsoeng o sebelisoang haholo litabeng tsa ho hlophisa le ho khutlisa. Hape ke mokhoa o thehiloeng sefateng, o tšoanang le sefate sa liqeto.
Moru oa lifate, kapa lifate tse ngata tsa liqeto, li sebelisoa ke mokhoa o sa reroang oa meru ho etsa likahlolo. Ha o sebetsana le mesebetsi ea lihlopha, mokhoa o sa reroang oa moru o ne o sebelisa mefuta-futa ha o ntse o sebetsana le mesebetsi ea ho khutlela morao ka li-dataset tse nang le mefuta e sa khaotseng.
Ho kopanngoa, kapa ho tsoaka mefuta e mengata, ke seo mokhoa o sa reroang oa meru o se etsang, ho bolelang hore likhakanyo li etsoa ho sebelisoa sehlopha sa mehlala ho e-na le e le 'ngoe feela.
Bokhoni ba ho sebelisoa bakeng sa mathata a lihlopha le a ho khutlela morao, a etsang boholo ba mekhoa ea morao-rao ea ho ithuta mochine, ke molemo o ka sehloohong oa moru o sa reroang.
Maano a mabeli a fapaneng a sebelisoa ke Ensemble:
- Bagging: Ka ho etsa sena, lintlha tse ngata li hlahisoa bakeng sa pokello ea lintlha tsa koetliso. Ho fokotsa ho fapana ha likhakanyo, sena se etsoa.
- Boosting ke mokhoa oa ho kopanya baithuti ba fokolang le baithuti ba matla ka ho aha limotlolo tse latellanang, ho fella ka motlolo oa ho qetela o nepahetseng haholo.
5. Naive Bayes
Taba ea binary (mekhahlelo e 'meli) le taba ea lihlopha tse ngata e ka rarolloa ka mokhoa oa Naive Bayes. Ha mokhoa o hlalosoa ho sebelisoa litekanyetso tsa binary kapa tsa sehlopha, ho bonolo ho utloisisa. Maikutlo a entsoeng ke sehlopha sa Naive Bayes ke hore ho ba teng ha karolo e le 'ngoe ka tlelaseng ha ho na kamano le boteng ba likarolo tse ling.
Foromo e ka holimo e bontša:
- P (H): Monyetla oa hore khopolo-taba ea H e nepahetse. Monyetla oa pele o bitsoa ona.
- P(E): Monyetla oa bopaki
- P (E | H): Monyetla oa hore khopolo-taba e tšehetsoa ke bopaki.
- P (H | E): Monyetla oa hore khopolo-taba ke 'nete, ho fanoe ka bopaki.
Sehlopha sa Naive Bayes se tla ela hloko e 'ngoe le e' ngoe ea litšoaneleho tsena ka bomong ha a etsa qeto ea monyetla oa sephetho se itseng, leha litšobotsi tsena li hokahane. Mohlala oa Naive Bayesian o bonolo ho aha le ho sebetsa hantle bakeng sa li-database tse kholo.
E tsebahala ka ho sebetsa hantle ho feta esita le mekhoa e rarahaneng ka ho fetisisa ea ho arola ha e ntse e le ea motheo. Ke pokello ea li-algorithms tseo kaofela li thehiloeng ho Theorem ea Bayes, ho fapana le mokhoa o le mong.
6. K-Baahelani ba Haufi
Mokhoa oa K-nearest neighbors (kNN) ke karoloana ea thuto ea mochini e hlokometsoeng e ka sebelisoang ho rarolla mathata a ho hlophisa le ho khutlisa. Algorithm ea KNN e nka hore lintho tse bapisoang li ka fumanoa haufinyane.
Ke e hopola ke le sehlopha sa batho ba nang le maikutlo a tšoanang. kNN e sebelisa monyetla oa mohopolo oa ho tšoana lipakeng tsa lintlha tse ling tse sebelisang bohole, bohole kapa bohole. E le ho ngola lintlha tse sa bonoeng ho ipapisitsoe le lintlha tse haufi tse ngoliloeng tse hlokomelehang, ho sebelisoa mokhoa oa lipalo ho fumana karohano lipakeng tsa lintlha tse graph.
U tlameha ho tseba sebaka se pakeng tsa lintlha tsa data e le hore u tsebe libaka tse haufi tse bapisoang. Litekanyo tsa sebaka se kang sebaka sa Euclidean, sebaka sa Hamming, sebaka sa Manhattan, le sebaka sa Minkowski se ka sebelisoa bakeng sa sena. K e tsejoa e le nomoro ea moahelani e haufi, 'me hangata ke palo e sa tloaelehang.
KNN e ka sebelisoa ho mathata a lihlopha le a ho khutlela morao. Polelo e entsoeng ha KNN e sebelisoa ho fetola litaba e ipapisitse le moelelo kapa bohareng ba liketsahalo tse tšoanang haholo tsa K.
Sephetho sa algorithm ea classification e thehiloeng ho KNN e ka khethoa e le sehlopha se nang le maqhubu a phahameng ka ho fetisisa har'a liketsahalo tsa K tse tšoanang haholo. Ketsahalo e 'ngoe le e' ngoe e etsa likhetho bakeng sa sehlopha sa bona, 'me selelekela ke sa sehlopha se fumanang likhetho tse ngata.
7. K-ho bolela
Ke thekniki ya thuto e sa laolwang e sebetsanang le ditaba tsa ho bokellana. Lintlha tsa lihlopha li arotsoe ka palo e itseng ea lihlopha-call let's it K-ka tsela eo lintlha tsa data tsa sehlopha ka seng li fapaneng 'me li fapane le tse lihlopha tse ling.
K-ho bolela mokhoa oa ho kopanya:
- Bakeng sa sehlopha ka seng, algorithm ea K-means e khetha k centroids, kapa lintlha.
- Ka lihlopha tse haufi tsa centroids kapa K, ntlha ka 'ngoe ea data e etsa sehlopha.
- Hona joale, li-centroids tse ncha li hlahisoa ho latela litho tsa sehlopha tse seng li le teng.
- Sebaka se haufi haholo sa ntlha ka 'ngoe ea data se baloa ho sebelisoa li-centroids tsena tse ntlafalitsoeng. Ho fihlela li-centroids li sa fetohe, ts'ebetso ena e phetoa.
E potlakile, e ka tšeptjoa, ebile e bonolo ho e utloisisa. Haeba ho na le mathata, ho feto-fetoha ha k-means ho etsa hore litokiso li be bonolo. Ha li-datasets li fapane kapa li arohane hantle ho tse ling, liphello li ntle ka ho fetisisa. Ha e khone ho laola lintlha tse fosahetseng kapa li-outliers.
8. Mechini ea Vector ea Tšehetso
Ha u sebelisa mokhoa oa SVM ho hlophisa data, data e tala e bontšoa e le matheba sebakeng sa n-dimensional (moo n e leng palo ea likarolo tseo u nang le tsona). Lintlha li ka aroloa habonolo hobane boleng ba karolo ka 'ngoe bo hokahane le khokahanyo e itseng.
Ho arola lintlha le ho li beha kerafong, sebelisa mela e tsejoang ka hore ke li-classifiers. Mokhoa ona o rala ntlha e 'ngoe le e' ngoe ea data e le ntlha sebakeng sa n-dimensional, moo n e leng palo ea likarolo tseo u nang le tsona le boleng ba karolo ka 'ngoe ke boleng bo itseng ba khokahano.
Joale re tla fumana mola o arolang data ka lihlopha tse peli tsa data tse arotsoeng ka tsela e fapaneng. Libaka tse tsoang libakeng tse haufi ka ho fetisisa sehlopheng ka seng sa lihlopha tsena tse peli li tla arohana ka ho fetisisa moleng ona.
Kaha lintlha tse peli tse haufi-ufi ke tsona tse hole haholo le mola mohlaleng o ka holimo, mola o arolang lintlha ka lihlopha tse peli tse neng li arotsoe ka tsela e fapaneng ke mola o bohareng. Sehlopha sa rona ke mohala ona.
9. Phokotso ea Boemo
Ho sebelisa mokhoa oa ho fokotsa boholo, lintlha tsa koetliso li ka ba le mefuta e fokolang ea ho kenya. Ka mantsoe a bonolo, e bua ka mokhoa oa ho fokotsa boholo ba sete ea hau ea likarolo. Ha re nahane hore datha ea hau e na le likholomo tse 100; phokotso ea boholo e tla fokotsa palo eo ho isa ho likholomo tse 20.
Moetso ona o ntse o hola ka mokhoa o tsoetseng pele haholoanyane mme o na le kotsi e kholo ea ho feta ha palo ea likarolo e ntse e phahama. Taba e kholo ka ho sebetsa le data ka litekanyo tse kholo ke se tsejoang e le "thohako ea boemo," e etsahalang ha data ea hau e na le litšobotsi tse ngata haholo.
Lintlha tse latelang li ka sebelisoa ho fokotsa boima ba 'mele:
- Ho fumana le ho khetha likarolo tse nepahetseng, khetho ea likarolo e sebelisoa.
- Ka ho sebelisa likarolo tse seng li ntse li le teng, boenjiniere ba likarolo bo iketsetsa likarolo tse ncha.
fihlela qeto e
Ho ithuta ka mochini o sa behoang leihlo kapa ho hlokomeloa ka bobeli hoa khoneha. Khetha thuto e hlokometsoeng haeba lintlha tsa hau li le ngata haholo 'me li tšoailoe hantle bakeng sa koetliso.
Lisebelisoa tse kholo tsa data hangata li ne li tla sebetsa le ho hlahisa litholoana tse betere li sebelisa thuto e sa laoleheng. Ho ithuta ka botebo mekhoa e molemo ka ho fetisisa haeba u na le pokello ea data e kholo e fumanehang habonolo.
Matlafatso ea ho ithuta 'me ho ithuta ka matla a tebileng ke lihlooho tseo u ithutileng tsona. Litšobotsi, ts'ebeliso le litšitiso tsa Neural network joale li hlakile ho uena. Qetellong, u nahanne ka likhetho tsa lipuo tse fapaneng tsa mananeo, li-IDE le li-platform ha ho tluoa tabeng ea ho iketsetsa ea hau. mehlala ea ho ithuta mochini.
Ntho e latelang eo u lokelang ho e etsa ke ho qala ho ithuta le ho sebelisa e 'ngoe le e' ngoe ho ithuta mochine atamela. Esita le haeba taba e pharaletse, sehlooho leha e le sefe se ka utloisisoa ka lihora tse seng kae haeba u tsepamisitse maikutlo botebong ba sona. Sehlooho se seng le se seng se ikemela se le seng ho tse ling.
U tlameha ho nahana ka taba e le 'ngoe ka nako, u e ithute, u e sebelise, 'me u sebelise puo eo u e ratang ho kenya tšebetsong (li)khato-tharabololo ho eona.
Leave a Reply