ความหมายของแบบจำลองในการเรียนรู้ของเครื่อง

คำจำกัดความนี้ใช้ไม่ได้เนื่องจากเราไม่ได้สมมติว่ามีการแจกแจงพื้นฐานเสมอไป ดังนั้นรูปแบบคืออะไรจริงๆ? GBM ที่มีพารามิเตอร์หลายมิติที่ระบุสามารถพิจารณาเป็นแบบจำลองได้หรือไม่ แบบจำลองเป็นชุดของกฎหรือไม่

ฉันสนใจคำถามเดียวกันเมื่อเร็ว ๆ นี้และได้รับรู้ว่าไม่มี "ความหมาย" ในการเรียนรู้ของเครื่อง มันขึ้นอยู่กับแหล่งข้อมูลที่คุณให้คำปรึกษาซึ่งอาจเป็นเอกสารสำหรับโปรแกรมซอฟต์แวร์เฉพาะคำสแลงที่นำมาใช้โดยชุมชนผู้ใช้หรือคำจำกัดความที่ใช้ในเอกสารวิชาการที่ตีพิมพ์ซึ่งอาจแตกต่างจากวารสารไปวารสาร ยิ่งกว่านั้นฉันต้องเรียนรู้ที่จะจำไว้ว่าเอกสารดังกล่าวไม่เพียง แต่เขียนโดยผู้เชี่ยวชาญในการเรียนรู้ของเครื่องจักร แต่โดยผู้เชี่ยวชาญในสาขาวิชาอื่น ๆ ที่มีความจำเป็นต้องใช้เทคนิคการเรียนรู้ของเครื่อง (เช่นการถ่ายภาพสาขาการแพทย์ต่างๆเป็นต้น) . หลายคนไม่ได้กำหนดคำว่า "model" ไว้อย่างชัดเจนซึ่งมักจะใช้แบบหลวม ๆ นี่เป็นเพียงคำจำกัดความที่แตกต่างกันของ "model" I '

•แบบจำลองทางสถิติโดยเฉพาะสถิติที่เกี่ยวข้องกับการแจกแจงความน่าจะเป็น

•ข้อมูลการถดถอยและสถิติที่เกี่ยวข้อง

•แบบจำลองทางคณิตศาสตร์ตามที่ Neil Slater ได้กล่าวไว้ข้างต้น

•ตัวแบบข้อมูลที่ใช้ในการเรียนรู้ของเครื่องเช่นคอลัมน์ที่เกี่ยวข้อง, ชนิดข้อมูล, แหล่งข้อมูลและข้อมูลเมตาอื่น ๆ นี่เป็นเรื่องยากโดยเฉพาะอย่างยิ่งเพราะไม่มีสิ่งใดทางคณิตศาสตร์เกี่ยวกับคำนิยามนี้เลยซึ่งแตกต่างจากสามข้อแรกที่ฉันระบุไว้ ตัวอย่างเช่นดูเอกสารทั้งหมดสำหรับ SQL Server "mining mining" ซึ่งทำหน้าที่สองหน้าที่สำหรับการเรียนรู้ของเครื่อง

•บางครั้งคำจำกัดความทั้งหมดข้างต้นถูกขยายเพื่อรวมโครงสร้างการเรียนรู้ของเครื่องที่สร้างขึ้นบนสมการและข้อมูลเมตาเช่นข้อกำหนดของอวนประสาท ในกรณีอื่น ๆ สิ่งเหล่านี้ถือเป็นการแยกหน่วยงาน

ข้างต้นทั้งหมดถูกผสมและจับคู่กันขึ้นอยู่กับแหล่งที่มา ฉันแน่ใจว่ามีคำจำกัดความอื่น ๆ ของ "รุ่น" ฉันได้ออกจากรายการนี้ซึ่งจะทำให้เรื่องซับซ้อนยิ่งขึ้น เพื่อจัดการกับความคลุมเครือนี้ฉันพยายามฝึกฝนตัวเองให้ศักดิ์สิทธิ์ความตั้งใจของผู้เขียนเมื่อใดก็ตามที่พวกเขาใช้คำว่า "แบบจำลอง" บางครั้งมันเป็นเรื่องง่ายที่จะตัดสินโดยอิงจากบริบทหรือฟิลด์ที่ผู้เขียนทำงาน แต่บางครั้งฉันก็ต้องอ่านบทความหรือเอกสารอย่างละเอียดก่อนที่จะคิดออก ฉันหวังว่าฉันจะมีความชัดเจนมากขึ้นเกี่ยวกับเรื่องนี้ แต่มันเป็นคำที่คลุมเครือตามธรรมชาติ; ไม่เคยมีคำตอบเดียวขนาดพอดีทั้งหมดนี้ ฉันหวังว่าจะช่วย

จากบทความเรื่องการเรียนรู้ของเครื่องอเมซอน

กระบวนการของการฝึกอบรม ML model นั้นเกี่ยวข้องกับการให้อัลกอริธึม ML (นั่นคืออัลกอริทึมการเรียนรู้) พร้อมกับข้อมูลการฝึกอบรมเพื่อเรียนรู้จาก The term ML model refers to the model artifact that is created by the training process.

ผมชอบคำนิยามของการเรียนรู้ที่ได้รับจากเครื่องทอมมิทเชลล์

โปรแกรมคอมพิวเตอร์ที่มีการกล่าวถึงการเรียนรู้จากประสบการณ์ Eด้วยความเคารพในชั้นเรียนของบางงาน Tและประสิทธิภาพการทำงานที่วัดP ถ้าผลการดำเนินงานของ บริษัท ที่งานใน T เป็นวัดโดย P ช่วยเพิ่มการมีประสบการณ์อี

ดังนั้นตามคำนิยามนี้ฉันควรจะบอกว่าแบบจำลองเป็นประสบการณ์ที่ได้มาหลังจากทำคลาส T

แบบจำลองที่พูดอย่างหลวม ๆ คือการทำให้สิ่งหรือกระบวนการง่ายขึ้น ตัวอย่างเช่นรูปร่างของโลกไม่ใช่ทรงกลมจริง ๆ แต่เราอาจถือว่าเป็นทรงกลมถ้าเราออกแบบโลก ในทำนองเดียวกันสมมติว่าจักรวาลเป็นสิ่งกำหนดขึ้นมาได้มีกระบวนการทางธรรมชาติบางอย่างที่กำหนดว่าลูกค้าจะซื้อสินค้าบนเว็บไซต์หรือไม่ เราอาจสร้างสิ่งที่ใกล้เคียงกับกระบวนการนั้นซึ่งเราสามารถให้ข้อมูลบางอย่างเกี่ยวกับลูกค้าและบอกเราว่ามันคิดว่าลูกค้าจะซื้อผลิตภัณฑ์หรือไม่

จากนั้น "โมเดลการเรียนรู้ของเครื่อง" จากนั้นเป็นรูปแบบที่สร้างขึ้นโดยระบบการเรียนรู้ของเครื่อง

(ขอโทษสำหรับสิ่งนี้ไม่ใช่คำตอบที่เข้มงวด แต่ฉันหวังว่านี่ยังมีประโยชน์)

ในกระบวนทัศน์การเรียนรู้ของเครื่องโมเดลหมายถึงนิพจน์ทางคณิตศาสตร์ของพารามิเตอร์โมเดลพร้อมกับตัวยึดตำแหน่งอินพุตสำหรับการทำนายแต่ละคลาสและแอ็คชันสำหรับการถดถอยการจัดประเภทและการเสริมแรงตามลำดับ

การแสดงออกนี้ถูกฝังอยู่ในเซลล์ประสาทเดียวเป็นแบบจำลอง

สำหรับเลเยอร์เดี่ยวและโมเดลการเรียนรู้ลึกเราจำเป็นต้องแยกโมเดลนี้โดยการเดินเซลล์ประสาทและเลเยอร์อย่างระมัดระวังเพื่อรวบรวมและเย็บปักถักร้อยฟังก์ชั่นเปิดใช้งานในลักษณะที่ได้รับคำสั่ง

ในการเรียนรู้ของเครื่องโมเดลเป็นศูนย์กลางของแรงโน้มถ่วงและทุกอย่างหมุนรอบตัวแบบ แม้ว่าคนอื่นจะมีคำจำกัดความที่แตกต่างกันของแบบจำลอง แต่ในความคิดของฉันนี่คือวิธีที่ดีที่สุดในการกำหนดรูปแบบ "แบบจำลองในการเรียนรู้ของเครื่องเป็นสมมติฐานที่พยายามให้พอดีกับข้อมูลและเรียนรู้ที่จะทำนายข้อมูลที่มองไม่เห็น"

ในการเรียนรู้ของเครื่องจักรโมเดลเป็นสิ่งที่เป็นนามธรรมซึ่งสามารถทำการทำนาย (การกระทำใหม่) หรือการแปลงเป็นหรือในแง่ของอินสแตนซ์ของค่าอินพุต แบบจำลองอาจเป็นหมายเลขเดียวเช่นค่าเฉลี่ยของชุดการสังเกตซึ่งมักใช้เป็นแบบจำลองพื้นฐานการแสดงออกพหุนามหรือชุดของกฎ (เช่นต้นไม้การตัดสินใจ) ที่กำหนดวิธีการสร้างผลลัพธ์

โดยทั่วไปโมเดลจะถูกกำหนดโดยชุดของกฎและพารามิเตอร์ไฮเปอร์ที่กำหนดโครงสร้างและความสามารถของโมเดลที่จะปรับให้เหมาะสมเพื่อดำเนินงานในมือ พารามิเตอร์ไฮเปอร์อาจเป็นระดับของพหุนามหรือความลึกของต้นไม้ตัดสินใจ แบบจำลองสามารถอยู่ภายใต้กระบวนการปรับให้เหมาะสมซึ่งพารามิเตอร์ได้รับการปรับให้เหมาะสมกับวัตถุประสงค์เฉพาะ

กระบวนการปรับให้เหมาะสมมักจะถูกเรียกว่าการฝึกอบรมสำหรับการติดตั้งและผลลัพธ์ในรูปแบบการติดตั้งซึ่งยังสามารถเรียกได้ว่าเป็นแบบจำลอง หากแบบจำลองได้รับการฝึกฝนหรือไม่จำเป็นต้องอนุมานบ่อยครั้งจากบริบท

นี่คือการสนทนาที่สนุก! สองเซ็นต์ของฉันคือโมเดลเก็บข้อมูลที่คอมพิวเตอร์สามารถตีความเพื่อประเมินการแมปจากชุดอินพุตที่เป็นไปได้บางชุดไปยังชุดเอาต์พุตที่เหมาะสม โมเดลไม่มีอะไรมากไปกว่านิยามของฟังก์ชั่นพื้นฐานที่ประมาณฟังก์ชั่นที่ซับซ้อนมากขึ้น มันไม่จำเป็นสำหรับฟังก์ชั่นที่ซับซ้อนที่จะเป็นปรากฏการณ์ในโลกแห่งความจริงเฉพาะสำหรับโมเดลที่จะประมาณฟังก์ชั่นที่ซับซ้อนโดยไม่ต้องเก็บข้อมูลเพียงพอที่จะทำซ้ำอย่างสมบูรณ์