ผู้ใช้:Thastp/ทดลองเขียน3
วิธีการเรียนรู้[แก้]
การเรียนรู้แบบมีผู้สอน[แก้]
อัลกอริทึมเรียนรู้แบบมีผู้สอนเป็นอัลกอริทึมที่สร้างตัวแบบทางคณิตศาสตร์ของชุดข้อมูลที่ประกอบด้วยข้อมูลขาเข้าและข้อมูลขาออกที่พึงประสงค์[1] ข้อมูลนี้เรียกว่าข้อมูลฝึกฝน (training data) เป็นชุดข้อมูลของตัวอย่างที่ใช้ฝึก แต่ละตัวอย่างประกอบด้วยค่าป้อนเข้าซึ่งอาจมีมากกว่าหนึ่งค่า และค่าขาออกที่พึงประสงค์หรือเรียกว่าสัญญาณสอน (supervisory signal) ในตัวแบบทางคณิตศาสตร์ จะแทนตัวอย่างฝึกอันหนึ่งด้วยแถวลำดับหรือเวกเตอร์ อาจเรียกได้ว่าเวกเตอร์ลักษณะ (feature vector) และจะแทนข้อมูลฝึกด้วยเมทริกซ์อันหนึ่ง อัลกอริทึมเรียนรู้แบบมีผู้สอนจะใช้การหาค่าเหมาะที่สุดแบบวนซ้ำ (iterative optimization) บนฟังก์ชันการสูญเสีย เพื่อเรียนรู้ฟังก์ชันที่สามารถนำมาใช้ทำนายข้อมูลขาออกซึ่งสัมพันธ์กับข้อมูลขาเข้าอันใหม่[2] ฟังก์ชันที่เหมาะที่สุดคือฟังก์ชันซึ่งทำให้อัลกอริทึมทำนายข้อมูลขาออกสำหรับข้อมูลขาเข้าที่ไม่ได้อยู่ในชุดข้อมูลฝึกฝนได้อย่างถูกต้อง อัลกอริทึมที่ปรับปรุงความแม่นยำของข้อมูลขาออกหรือคำทำนายเมื่อเวลาผ่านไป กล่าวได้ว่าอัลกอริทึมนั้นได้เรียนรู้การทำภารกิจดังกล่าว[3]
Types of supervised-learning algorithms include active learning, classification and regression.[4] Classification algorithms are used when the outputs are restricted to a limited set of values, and regression algorithms are used when the outputs may have any numerical value within a range. As an example, for a classification algorithm that filters emails, the input would be an incoming email, and the output would be the name of the folder in which to file the email.
Similarity learning is an area of supervised machine learning closely related to regression and classification, but the goal is to learn from examples using a similarity function that measures how similar or related two objects are. It has applications in ranking, recommendation systems, visual identity tracking, face verification, and speaker verification.
อ้างอิง[แก้]
- ↑ Russell, Stuart J.; Norvig, Peter (2010). Artificial Intelligence: A Modern Approach (Third ed.). Prentice Hall. ISBN 9780136042594.
- ↑ Mohri, Mehryar; Rostamizadeh, Afshin; Talwalkar, Ameet (2012). Foundations of Machine Learning. The MIT Press. ISBN 9780262018258.
- ↑ อ้างอิงผิดพลาด: ป้ายระบุ
<ref>ไม่ถูกต้อง ไม่มีการกำหนดข้อความสำหรับอ้างอิงชื่อMitchell-1997 - ↑ Alpaydin, Ethem (2010). Introduction to Machine Learning. MIT Press. p. 9. ISBN 978-0-262-01243-0. เก็บจากแหล่งเดิมเมื่อ 2023-01-17. สืบค้นเมื่อ 2018-11-25.
บรรณานุกรม[แก้]
- Domingos, Pedro (22 กันยายน 2015). The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World. Basic Books. ISBN 978-0465065707.
- Nilsson, Nils (1998). Artificial Intelligence: A New Synthesis. Morgan Kaufmann. ISBN 978-1-55860-467-4. เก็บจากแหล่งเดิมเมื่อ 26 กรกฎาคม 2020. สืบค้นเมื่อ 18 พฤศจิกายน 2019.
- Russell, Stuart J.; Norvig, Peter (2003). Artificial Intelligence: A Modern Approach (2nd ed.). Upper Saddle River, New Jersey: Prentice Hall. ISBN 0-13-790395-2.
- Poole, David; Mackworth, Alan; Goebel, Randy (1998). Computational Intelligence: A Logical Approach. New York: Oxford University Press. ISBN 978-0-19-510270-3. เก็บจากแหล่งเดิมเมื่อ 26 กรกฎาคม 2020. สืบค้นเมื่อ 22 สิงหาคม 2020.
อ่านเพิ่ม[แก้]
- Nils J. Nilsson. Introduction to Machine Learning. เก็บจากแหล่งเดิมเมื่อ 16 สิงหาคม 2019.
- Trevor Hastie; Robert Tibshirani; Jerome H. Friedman (2001). The Elements of Statistical Learning. Springer. ISBN 0-387-95284-5. เก็บจากแหล่งเดิมเมื่อ 27 ตุลาคม 2013.
- Pedro Domingos (กันยายน 2015). The Master Algorithm. Basic Books. ISBN 978-0-465-06570-7.
- Ian H. Witten; Eibe Frank (2011). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann. ISBN 978-0-12-374856-0.
- Ethem Alpaydin (2004). Introduction to Machine Learning. MIT Press. ISBN 978-0-262-01243-0.
- David J. C. MacKay (2003). Information Theory, Inference, and Learning Algorithms. Cambridge: Cambridge University Press. ISBN 0-521-64298-1. เก็บจากแหล่งเดิมเมื่อ 17 กุมภาพันธ์ 2016.
- Richard O. Duda, Peter E. Hart, David G. Stork (2001) Pattern classification (2nd edition), Wiley, New York, ISBN 0-471-05669-3.
- Christopher Bishop (1995). Neural Networks for Pattern Recognition, Oxford University Press. ISBN 0-19-853864-2.
- Stuart Russell & Peter Norvig, (2009). Artificial Intelligence – A Modern Approach เก็บถาวร 2011-02-28 ที่ เวย์แบ็กแมชชีน. Pearson, ISBN 9789332543515.
- Ray Solomonoff, An Inductive Inference Machine, IRE Convention Record, Section on Information Theory, Part 2, pp., 56–62, 1957.
- Ray Solomonoff, An Inductive Inference Machine เก็บถาวร 2011-04-26 ที่ เวย์แบ็กแมชชีน A privately circulated report from the 1956 Dartmouth Summer Research Conference on AI.
- Kevin P. Murphy (2021). Probabilistic Machine Learning: An Introduction เก็บถาวร 2021-04-11 ที่ เวย์แบ็กแมชชีน, MIT Press.