BNN.grΔιάστημαΦυσικήΤεχνητή ΝοημοσύνηΒιολογίαΝευροεπιστήμεςΥγεία
Τεχνητή Νοημοσύνη & Υπολογιστές

Ταξινόμηση στη μηχανική μάθηση: από τα γειτονικά σημεία στα νευρωνικά δίκτυα

Πώς μαθαίνει ένας υπολογιστής να ξεχωρίζει κατηγορίες

Ταξινόμηση είναι η εργασία κατά την οποία ένα σύστημα αποφασίζει σε ποια κατηγορία ανήκει ένα δείγμα, όπως αν ένα email είναι ανεπιθύμητο ή αν μια εικόνα δείχνει γάτα ή σκύλο. Το σύστημα εκπαιδεύεται με παραδείγματα που έχουν ήδη ετικέτα.

Ο πιο απλός αλγόριθμος είναι ο k κοντινότερων γειτόνων: για ένα νέο σημείο, κοιτάς τους k πιο κοντινούς γείτονες και επιλέγεις την κατηγορία που επικρατεί. Δεν χρειάζεται εκπαίδευση, αλλά γίνεται αργός με πολλά δεδομένα.

Άλλες μέθοδοι είναι τα δέντρα απόφασης, οι μηχανές διανυσμάτων υποστήριξης και τα νευρωνικά δίκτυα. Τα βαθιά νευρωνικά δίκτυα μαθαίνουν μόνα τους χαρακτηριστικά, γι΄ αυτό διαπρέπουν σε εικόνες και ήχο.

Ένα βασικό πρόβλημα είναι η υπερπροσαρμογή: το μοντέλο απομνημονεύει τα παραδείγματα και αποτυγχάνει σε νέα. Για να το ελέγξουν, οι ερευνητές κρατούν χωριστό σύνολο δοκιμής. Το σύστημα είναι τόσο καλό όσο και τα δεδομένα του.

Το ήξερες; Με μικρό k ο αλγόριθμος γειτόνων επηρεάζεται από μεμονωμένα σημεία, με μεγάλο k γίνεται πιο ομαλός.
Δες το άρθρο στο διαδραστικό site →

Διάβασε και

Όλα τα άρθρα: Τεχνητή Νοημοσύνη & Υπολογιστές