Машинное обучение избавляет программиста
от необходимости подробно объяснять компьютеру, как именно решать проблему.
Вместо этого компьютер учат находить решение самостоятельно. По сути,
машинное обучение — это комплексное применение статистики для поиска
закономерностей в данных и создания на их основе нужных прогнозов.Существуют следующие модели машинного обучения: Для каждого набора данных
задаётся пара «ситуация, требуемое решение» Это означает, что при считывании
данных у алгоритма уже есть правильный ответ. Поэтому вместо поисков ответа он
стремится найти связи, чтобы в дальнейшем, при введении необозначенных данных,
получались правильные классификация или прогноз. Этот метод называется: пусто Для каждого набора данных
задаётся только «ситуация», требуется сгруппировать объекты в кластеры,
используя данные о попарном сходстве объектов, и/или понизить размерность данных. В этом случае у
алгоритма в процессе обучения нет заранее установленных ответов. Его цель —
найти смысловые связи между отдельными данными, выявить шаблоны и закономерности. Этот метод называется: пусто Используется для решения сложных задач и требует
взаимодействия с окружающей средой. Данные предоставляются средой и позволяют
алгоритму реагировать и учиться. Этот метод называется: пусто