Comment les ordinateurs apprennent
Les améliorations actuelles en matière de sécurité anti-arnaque, les astuces sur les produits dans le secteur de la vente au détail en ligne, la productivité des voyages et l’augmentation du nombre de diagnostics de soins de santé sont quelques-unes des innombrables approches que les logiciels d’apprentissage par unité établissent aujourd’hui une distinction entre nos modes de vie. Néanmoins, il existe en réalité deux types d’équipements, en plus d’un assortiment d’algorithmes et de manières spécifiques de les utiliser. Dans ce manuel, nous allons diviser deux des types les plus typiques – la compréhension surveillée et la compréhension non supervisée – et examiner leurs différences en utilisant des visuels agréables et des conditions de planète authentiques. Juste avant de plonger dans le détail du fonctionnement de l’apprentissage contrôlé et non supervisé, évaluons et comparons leurs distinctions. En termes d’études surveillées, vous découvrirez une «réalité sur le terrain», ce qui signifie fondamentalement que nous savons déjà exactement quelles devraient être les croyances de sortie. Les vérités au sol sont des hypothèses du monde réel sur ce que nous réalisons. Par exemple, les chiens sont des chiens et les chats sont des chatons. Cela peut être une simplification exagérée, mais il est important de noter que cela nous a été enseigné tôt ou tard dans notre mode de vie et que les appareils devront également être éduqués. En conséquence, l’intention d’étudier surveillé. Dans notre exemple, nous verrons comment un appareil peut être conçu pour distinguer les chiens des chats. En dessous, nous pourrions voir comment les marques sont utilisées dans les informations de formation pour fournir un cadre de référence aux critères de l’algorithme de compréhension de votre équipement. Gardez à l’esprit que l’appareil ne sait pas particulièrement comment diviser les chats en chiens, il est simplement conscient de ce qu’il a appris jusqu’à présent. C’est pourquoi les détails de formation et les étiquettes correctes sont vraiment cruciaux. Si les données sont bruyantes ou inappropriées, cela peut affecter le niveau de découverte de l’équipement. Plus le temps et les efforts consacrés aux études supervisées sont satisfaisants, meilleurs seront les résultats. Il est peu probable que le modèle soit parfaitement présenté dès le premier essai, il est donc recommandé à une personne de l’alimenter pour l’améliorer. Il existe plusieurs types de compréhension supervisée, mais deux des très fréquemment appliquées actuellement sont la classification et la régression. L’illustration que nous avons appliquée ci-dessus, qui distingue les chiots de chatons et de chats, est reconnue en tant que catégorie.