Основные задачи машинного обучения
В этой статье я хочу познакомить вас с основными задачами, которые решаются с помощью методов машинного обучения.
Что такое машинное обучение?
Машинное обучение - это класс методов искусственного интеллекта. Решение задачи находится не прямым способом, а на основе поиска закономерностей, находящихся в данных. Входными данными является датасет - набор признаков, полученный методами статистики, изображения, любая измеримая информация.
Методы машинного обучения находят результат с некоторой точностью. Поэтому МО применяется для диагностики, распознавания и принятия решений в различных областях.
Какие задачи можно решить с помощью машинного обучения?
1. Регрессия - это задача предсказания числового значения признака. Обычно под ней понимают прогноз данных на основе анализа и данных из прошлого.
Пример:
Имеется набор медицинских измерений, возможно, дан набор сканирований(рентгенов). Необходимо исследовать насколько процентов поражен организм или диагностировать признак, который невозможно измерить медицинскими приборами.
2. Классификация - это предсказание класса объекта из заранее заданны. Задачи идентификации объекта, ответ на вопрос из списка предложенных вариантов. Примеры:
Отпечатки пальцев на смартфоне. Совпадает ли отпечаток пальца объекта с отпечатком владельца смартфона с некоторой точностью. При решении стоит учесть, что на пальцах могут быть порезы.
3. Задача кластеризации - разделение объектов на неизвестные классы. Кластеризация объекта по его подвидам либо разделение различных объектов на классы.
Примеры:
Имеется набор изображений лиц людей. Необходимо сопоставить каждому человеку набор фотографий с ним. Фотографии могут содержать нескольких людей.
4. Поиск аномалий - поиск редких объектов, отличающихся от других. Обычно применяется на производстве, странное поведение датчиков и т д.
Примеры:
Мошеннические транзакции. Обычно банки отслеживают подозрительные операции на карте и информируют клиента об операциях.
5. Задача стилизации - изменение визуальных параметров объекта. Накладывание фильтров, масок, подбор фона и тд
Примеры:
Применение фильтра к фотографии, на основе предпочитаемых пользователем стилей. Или на основе исходного набора картинок определенного стиля применение к изображению неизвестного стиля, похожего на исходный набор.
6. Генерация - создание нового объекта. Генерация голоса, текста
Примеры:
Имеется набор рассказов определенного писателя. Необходимо написать рассказ в стиле автора. Или создание музыки в стиле композитора.
С помощью методов машинного обучения можно решить любую задачу, если имеется структурированный набор исходных данных. Также необходимо помнить, что результат будет найден с какой-то точностью.
