Mašīnmācīšanās
pētniecības virziens par algoritmiem un statistiskajiem modeļiem, kurus var izmantot skaitļošanas sistēmas, lai veiktu uzdevumus bez konkrētām norādēm / From Wikipedia, the free encyclopedia
Mašīnmācīšanās ir mākslīgā intelekta apakšnozare, kas izmanto datorsistēmas, lai efektīvi veiktu konkrētus uzdevumus, neizmantojot skaidri programmētas instrukcijas, tā vietā paļaujoties uz paraugiem un secinājumiem. Mašīnmācīšanās algoritmi vai algoritmu ietvari izveido iztvēruma datu matemātisku modeli, kas pazīstams kā "apmācības dati", lai veiktu prognozēšanu vai pieņemtu lēmumus. Mašīnmācīšanās tiek izmantota situācijās, kur nav iespējams izstrādāt īpašu instrukciju algoritmus uzdevuma veikšanai, piemēram, e-pasta filtrēšanas, tīkla iebrucēju atklāšana, mašīntulkošana un datorredze.
Mašīnmācīšanās ir cieši saistīta ar skaitļošanas statistiku, kas ir vērsta uz prognozēšanu, izmantojot datorus. Matemātiskā optimizācija nodrošina metodes un teoriju. Datizrace ir vērsta uz pētniecisko datu analīzi, izmantojot neuzraudzītu mācīšanos. Mašīnmācīšanās pielietojumā uzņēmējdarbības problēmās arī tiek saukta par prognozējošo analīzi.
Vispārēji datorsistēmu mācīšanos iedala divos veidos:
- induktīvā mācīšanās jeb mācīšanās no precedentiem, kam pamatā ir empīrisko sakarību atrašana datos;
- deduktīvā mācīšanās, kur tiek formalizētas ekspertu zināšanas, un tās datorā tiek pārnestas kā datubāze.
Par mašīnmācīšanos parasti tiek uzskatīta tieši induktīvā mācīšanās, jo deduktīvā mācīšanās tiek saistīta ar ekspertsistēmām