Машинное обучение

Машинное обучение - подход к искусственному интеллекту, который позволяет компьютерной программе выполнять задачу без прямого программирования.

Обычно выделяют две основные категории задач машинного обучения: обучение с учителем и без учителя.

Для обучения с учителем требуется размеченный набор данных для обучения модели машинного обучения. Метка - это значение целевой переменной (переменной, которая считается зависимой от одной или более независимых переменных, также называемых признаками), которая принимается моделью за достоверные данные.

Обучение без учителя не требует размеченных данных и используется для того, чтобы выделить структуру из входных данных.

Модуль машинного обучения платформы SberMobile  разработан для решения трех основных типов задач машинного обучения с учителем: регрессия, классификация и обнаружение аномалий.

Регрессия

Регрессия - это задача машинного обучения, в которой предсказываемая переменная является действительным числом.

Типичным примером задачи регрессии является  предварительная оценка стоимости дома на основе нескольких пизнаков, таких как жилая площадь, количество комнат и этажей, район города и т.д.

Классификация

При классификации выходные значения делятся на два или более классов. Задача заключается в отнесении новых входных данных к одному или нескольким из этих классов.

Примером классификации может служить задача по определению, содержит ли картинка текст (пример бинарной классификации), или задача оптического распознавания символов (многоклассовая классификация).

Обнаружение аномалий

Обнаружение аномалий можно рассматривать как одноклассовую классификацию. Модель машинного обучения учится на наборе данных, содержащем только не аномальные ("нормальные") данные, а затем используется для предположения аномальности нового экземпляра данных. Иногда одноклассовая классификация считается задачей машинного обучения без учителя, так как все метки в обучающем наборе одинаковые ("нормальные") и становятся в определенном смысле ненужными.

Экземпляр контекста машинного обучения называется обучаемым модулем. Обучаемый модуль предоставляет функции и действия, необходимые для построения и оценки качества модели машинного обучения.

Каждый пользователь имеет свой собственный набор обучаемых модулей.

Два контекста используются для администрирования обучаемых модулей: один - это общий контекст машинного обучения, который служит контейнером. Другой -это контекст обучаемого модуля, который содержит информацию для отдельного обучаемого модуля.