Makine Öğrenimi (ML)
- Denetimli Makine Öğrenimi
- Denetimsiz Makine Öğrenimi
- Kendi Kendine Denetimli Makine Öğrenimi
Klasik programlama, sonuçları oluşturmak için programları (algoritmaları) kullanır:
Geleneksel Bilgi İşlem
Veri + Bilgisayar Algoritması = Sonuç
Machine Learning, programlar (algoritmalar) oluşturmak için sonuçları kullanır:
Makine öğrenme
Veri + Sonuç = Bilgisayar Algoritması
Makine öğrenme
Makine Öğrenimi genellikle Yapay Zeka ile eşdeğer kabul edilir.
Bu doğru değil. Makine öğrenimi, Yapay Zekanın bir alt kümesidir.
Makine Öğrenimi, makinelere öğretmek için verileri kullanan bir yapay zeka disiplinidir.
"Makine Öğrenimi, bilgisayarlara programlanmadan öğrenme yeteneği veren bir çalışma alanıdır."
Arthur Samuel (1959)
Denetimli Öğrenme
Denetimli öğrenme, aşağıdakiler için algoritmaları eğitmek için etiketlenmiş verileri (bilinen yanıtları olan veriler) kullanır:
- Verileri Sınıflandırın
- Sonuçları Tahmin Et
Denetimli öğrenme, bilinen istenmeyen posta örneklerine dayalı olarak "Bir e-postadaki istenmeyen posta nedir" gibi verileri sınıflandırabilir .
Denetimli öğrenme, oynattığınız videolara dayalı olarak ne tür videolardan hoşlandığınızı tahmin etmek gibi sonuçları tahmin edebilir.
Denetimsiz Öğrenme
Denetimsiz öğrenme, verilerdeki anlamlı örüntüler gibi tanımsız ilişkileri tahmin etmek için kullanılır.
Kendilerini geliştirebilecek bilgisayar algoritmaları oluşturmakla ilgilidir.
Programcıların sorunları model oluşturmadan çözmelerine olanak sağlamak için makine öğreniminin denetimsiz öğrenmeye geçmesi bekleniyor.
Kendi Kendine Denetimli Öğrenme
Kendi kendini denetleyen öğrenme, denetimsiz öğrenmeye benzer çünkü her ikisi de insan tarafından eklenen etiketler olmadan verilerle çalışır.
Aradaki fark, denetimsiz öğrenmenin kümeleme, gruplama ve boyutsallık azaltma kullanması, öz denetimli öğrenmenin ise regresyon ve sınıflandırma görevleri için kendi sonuçlarını çıkarmasıdır.