Please enable JavaScript.

Coggle requires JavaScript to display documents.

Uczenie maszynowe (Regresja liniowa (Gradient zejścia (Obliczenia kroku…

- - - - Wzór:
        
        h (x) = a(0) + a(1) x(1) + a(2) x(2) + ... + a(n) * x(n)
        
        A={a(0),a(1)...}
        
        X={x(1),x(2)...}
        
        h(X)=A^T X
      - Funkcja kosztu
        
        Służy do obliczenia wartości parametrów: A={a(0),a(1)...}
        
        Cel: przybliżenie funkcji h(x) najbardziej do y.
        
        Funkcja kosztu
  - - - Alfa kontroluje wielkość kroku
        
        Jeśli alfa będzie za mała to algorytm będzie zbyt wolny
        
        Jeśli alfa będzie za duża, to istnieje możliwość minięcia minimum lokalnego
      - Powtarzaj regulowanie A do momentu zbieżności
    - - Funkcja z kilkoma krokami algorytmu
  - - - Regresja liniowa jest prostą do zaimplementowania metodą uczenia maszynowego
    - - Niewiele zjawisk jest zależnych liniowo od funkcji
- - - - Na ranking stron ma wpływ kilka cech strony, np.: liczba innych stron wskazujących na nią, ranking tych stron.
    - - Posiada największą bazę uczącą na świecie. Tłumaczy na podstawie tłumaczeń ludzkich, których wcześniej się nauczył.
    - - Uczą się na oznaczonych wcześniej mailach.
    - - Również posada bazę uczącą.
  - - - Przeprowadzanych jest tam wiele zabiegów m. in. kategoryzacja danych.
    - - Uczy się na symulatorze z racji zbyt dużych kosztów maszyn latających.
    - - Potrzebny jest tekst uczący, na którym system będzie się wzorować.
    - - Zapoczątkowane przez firmę Amazon; system na podstawie kupionych/oglądanych wcześniej produktów przedstawia nam spersonalizowaną ofertę.
    - - Podejmowane próby stworzenia sztucznej inteligencji obecnie opierają się o uczenie maszynowe.
  - - - Pole nauki, które daje komputerom możliwość nauki bez wyraźnego zaprogramowania
    - - Program komputerowy uczy się z doświadczenia E, wykonuje jakąś klasę zadań T oraz miarę wydajności P, jeżeli wydajność w zadaniu T mierzona przez P polepsza się wraz z doświadczeniem E.
  - - - Program się uczy na podstawie jakichś danych uczących, np.: mecz w warcaby, oznaczone maile.
      - Regresja i klasyfikacja
        
        Regresja
        
        Problem:
        
        Przewidywanie wyjścia o wartości ciągłej
        
        Klasyfikacja
        
        Problem:
        
        Przewidywanie wyjścia o wartości dyskretnej
      - W rzeczywistości liczba cech, dla których obliczana jest wartość wyjścia jest >2, a najczęściej bardzo duża.
    - - Program uczy się sam.
      - Zazwyczaj jest to klasyfikacja obiektów do jakiejś grupy (nie zdefiniowanej przez programistów)
      - Przykłady
        
        Klasyfikacja na podstawie położenia
        
        Klasyfikacja na podstawie treści (np. artykuły)
        
        Analiza sieci społecznościowej (klasyfikacja obiektów)
        
        Klasyfikacja klastrów komputerowych
        
        Segmentacja rynku
        
        Analiza danych astronomicznych
      - Problem Coctail party
        
        Problem można łatwo zobrazować na dwóch mikrofonach i dwóch źródłach dźwięku. Mikrofon#1 jest bliżej źródło#1 i analogicznie drugi. Rozwiązaniem jest wyodrębnienie konkretnego źródła dźwięku z "koktailu".
        
        Rozwiązanie:
        
        OCTAVE (former MATLAB) solution:
        [W,s,v]=svd((repmat(sum(x.x,1),size(x,1),1).x)*x');