Types Of Machine Learning

Berbagai jenis teknik Pembelajaran Mesin telah dikembangkan untukmemecahkan masalah di berbagai bidang. Teknik Pembelajaran Mesin ini bisadiklasifikasikan menjadi tiga jenis tergantung pada metode pelatihan (lihat Gambar 1-12 ).• Pembelajaran terawasi• Pembelajaran tanpa pengawasan• Pembelajaran penguatan.

Pembelajaran terawasi sangat mirip dengan proses di mana manusia belajarsesuatu. Pertimbangkan bahwa manusia memperoleh pengetahuan baru saat kita menyelesaikan olahragamasalah.1. Pilih masalah olahraga. Terapkan pengetahuan saat iniuntuk memecahkan masalah. Bandingkan jawabannya denganlarutan.2. Jika jawabannya salah, ubah pengetahuan saat ini.3. Ulangi Langkah 1 dan 2 untuk semua masalah latihan.Ketika kami menerapkan analogi antara contoh ini dan Pembelajaran Mesinproses, masalah latihan dan solusi sesuai dengan data pelatihan,dan pengetahuan sesuai dengan model. Yang penting adalah faktabahwa kita membutuhkan solusinya. Ini adalah aspek penting dari pembelajaran yang diawasi.Namanya bahkan menyiratkan bimbingan belajar di mana guru memberikan solusi untuksiswa untuk menghafal.Dalam pembelajaran yang diawasi, setiap dataset pelatihan harus terdiri dari input danpasangan keluaran yang benar. Output yang benar adalah model yang seharusnyamenghasilkan untuk input yang diberikan.

{input, hasil yang benar}

Belajar dalam pembelajaran yang diawasi adalah serangkaian revisi dari suatu modelmengurangi perbedaan antara output yang benar dan output dari modeluntuk input yang sama. Jika suatu model dilatih dengan sempurna, itu akan menghasilkan keluaran yang benaryang sesuai dengan input dari data pelatihan.Sebaliknya, data pelatihan pembelajaran tanpa pengawasan hanya berisiinput tanpa output yang benar.

{ memasukkan }

Pada pandangan pertama, mungkin tampak sulit untuk memahami bagaimana melatih tanpahasil yang benar. Namun, banyak metode jenis ini telah dikembangkansudah. Pembelajaran tanpa pengawasan umumnya digunakan untuk menyelidikikarakteristik data dan preprocessing data. Konsep ini miripkepada siswa yang hanya memilah masalah dengan konstruksi dan atribut dantidak belajar bagaimana menyelesaikannya karena tidak ada output yang diketahui benar.Pembelajaran penguatan menggunakan set input, beberapa output, dan kelas sebagaidata pelatihan. Ini umumnya digunakan ketika interaksi optimal diperlukan, sepertikontrol dan permainan.

{input, beberapa output, tingkat untuk output ini}

Buku ini hanya mencakup pembelajaran terawasi. Ini digunakan untuk lebih banyak aplikasidibandingkan dengan pembelajaran tanpa pengawasan dan pembelajaran penguatan, dan banyak lagipenting, ini adalah konsep pertama yang akan Anda pelajari ketika memasuki duniaPembelajaran Mesin dan Pembelajaran Mendalam.

Klasifikasi dan Regresi

Machine Learning 

Anda dengan mudah menemukan contoh di mana konsep Machine Learning dan DeepPembelajaran digunakan secara bergantian di media. Namun, para ahli umumnyabedakan mereka. Jika Anda telah memutuskan untuk mempelajari bidang ini, penting bagi Andamengerti apa arti kata-kata ini, dan yang lebih penting, bagaimana kata-kata ituberbeda.Apa yang terjadi pada Anda ketika Anda mendengar istilah "Pembelajaran Mesin" untukpertama kali? Apakah Anda memikirkan sesuatu yang mirip dengan Gambar  1-1 ? Maka kamuharus mengakui bahwa Anda berpikiran harfiah.

Gambar 1-1. Pembelajaran Mesin atau Kecerdasan Buatan? Atas perkenan EuclideanManajemen Teknologi (www.euclidean.com)Angka 1-1 menggambarkan Intelegensi Buatan lebih dari MesinBelajar Memahami Pembelajaran Mesin dengan cara ini akan menghasilkankebingungan serius. Meskipun Machine Learning memang merupakan cabang BuatanKecerdasan, itu menyampaikan ide yang jauh berbeda dari apa gambar iniberarti.

Secara umum, Kecerdasan Buatan, Pembelajaran Mesin, dan Pembelajaran Mendalam adalahterkait sebagai berikut:“Deep Learning adalah sejenis Machine Learning, danMachine Learning adalah sejenis Inteligensi Buatan. ”Bagaimana itu? Sederhana, bukan? Klasifikasi ini mungkin tidak sem absolut sepertihukum alam, tetapi diterima secara luas.Mari kita gali sedikit lebih jauh. Kecerdasan Buatan adalah kata yang sangat umumyang mungkin menyiratkan banyak hal berbeda. Ini dapat menunjukkan segala bentuk teknologiyang mencakup beberapa aspek cerdas daripada menunjukkan teknologi tertentubidang. Sebaliknya, Pembelajaran Mesin mengacu pada bidang tertentu. Dengan kata lain,kami menggunakan Machine Learning untuk menunjukkan kelompok teknologi buatan tertentuIntelijen. Machine Learning sendiri mencakup banyak teknologi juga. Satu darimereka adalah Deep Learning, yang merupakan subjek buku ini.Fakta bahwa Deep Learning adalah jenis Machine Learning sangat penting,dan itulah mengapa kita akan melalui tinjauan panjang tentang bagaimana BuatanKecerdasan, Pembelajaran Mesin, dan Pembelajaran Mendalam saling berhubungan. Pembelajaran yang mendalamtelah menjadi sorotan baru-baru ini karena telah memecahkan beberapa masalah dengan mahiryang telah menantang Kecerdasan Buatan. Kinerjanya tentu luar biasadi banyak bidang. Namun, ia menghadapi keterbatasan juga. Batasan DeepBelajar berasal dari konsep fundamentalnya yang telah diwarisileluhurnya, Pembelajaran Mesin. Seperti jenis Machine Learning, Deep Learningtidak bisa menghindari masalah mendasar yang dihadapi Pembelajaran Mesin. Itu adalahmengapa kita perlu mengulas Machine Learning sebelum membahas konsep Deep Belajar.

Apa itu Pembelajaran Mesin?