ผลต่างระหว่างรุ่นของ "การเรียนรู้ของเครื่อง"
เนื้อหาที่ลบ เนื้อหาที่เพิ่ม
Luckas-bot (คุย | ส่วนร่วม) ล r2.7.1) (โรบอต เพิ่ม: lv:Mašīnmācīšanās |
Jinapattanah (คุย | ส่วนร่วม) เทคนิคการเรียนรู้ของเครื่องจักร และประเภท |
||
บรรทัด 1:
== เทคนิคการเรียนรู้ของเครื่องจักร ==
'''การเรียนรู้ของเครื่อง''' ({{lang-en|Machine learning}}) เป็นสาขาหนึ่งของ[[ปัญญาประดิษฐ์]] ที่เกี่ยวข้องกับการพัฒนาเทคนิควิธี เพื่อให้คอมพิวเตอร์สามารถเรียนรู้
โดยเน้นที่วิธีการเพื่อสร้าง[[โปรแกรมคอมพิวเตอร์]]จากการวิเคราะห์ชุดข้อมูล
การเรียนรู้ของเครื่องจึงเกี่ยวข้องอย่างมากกับ[[สถิติศาสตร์]] เนื่องจากทั้งสองสาขาศึกษาการวิเคราะห์ข้อมูลเช่นเดียวกัน
'''เทคนิคการเรียนรู้ของเครื่องจักร''' ({{lang-en|Machine Learning Technique}})<ref>Mitchell, T. 1997. Machine Learning. McGraw-Hill.</ref> ถูกใช้เพื่อเพิ่มประสิทธิภาพในการแก้ปัญหาด้านต่าง ๆ เช่น การสร้างให้คอมพิวเตอร์สามารถแยกแยะวัตถุ เสียง หรือตัวอักษรได้ หรือจำแนกข้อมูลจำนวนมากที่ไม่สามารถทำได้โดยมนุษย์ ลักษณะทั่วไปของการเรียนรู้ของเครื่องจักรเป็นการสร้างขั้นตอนวิธี (Algorithms) หรือโปรแกรมคอมพิวเตอร์ จากการให้ข้อมูลฝึก (Training data) สำหรับสอนให้คอมพิวเตอร์เรียนรู้ เพื่อให้ได้สมมติฐาน (Hypothesis) ในการนำมาใช้แยกแยะวัตถุอื่นได้ ลักษณะการเรียนรู้ของเครื่องจักรแสดงได้ดังภาพที่ 1 เทคนิคการเรียนรู้ของเครื่องจักร [[File:Machine Learning Technique..JPG|thumb|ภาพที่ 1 เทคนิคการเรียนรู้ของเครื่องจักร]]
[[อัลกอริทึม]]การเรียนรู้ของเครื่อง จัดแบ่งได้ตามลักษณะผลลัพธ์ โดยทั่วไปแล้วจะแบ่งเป็น
เส้น 11 ⟶ 13:
* [[การเรียนวิธีการเรียน]] (learning to learn, meta-learning) - อัลกอริทึมที่เรียนวิธีการเรียนรู้ของตนเอง โดยปรับปรุง inductive bias ที่เป็นข้อสมมติฐานที่อัลกอริทึมใช้ในการเรียนรู้
ยอกจากนี้ การวิเคราะห์ประสิทธิภาพและการคำนวณของอัลกอริทึมการเรียนรู้ เป็นสาขาหนึ่งของวิชาสถิติซึ่งเรียกว่า [[ทฤษฎีการเรียนรู้]]
อย่างไรก็ตาม หากแบ่งประเภทเทคนิคการเรียนรู้ของเครื่องจักรตามลักษณะการใช้ข้อมูลฝึกสามารถแบ่งได้เป็น 4 ประเภท ดังต่อไปนี้
===การเรียนรู้แบบมีครู ===
การเรียนรู้แบบมีครู ({{lang-en|Supervised Learning}}) เทคนิคการเรียนรู้ของเครื่องจักรประเภทนี้ต้องใช้การเรียนรู้จากข้อมูลฝึกที่มีการใส่ฉลาก (Label) ให้กับข้อมูลฝึกไว้แล้ว เพื่อให้คอมพิวเตอร์จดจำรูปแบบและได้สมมติฐานเพื่อทำงานกับข้อมูลในภายหน้าได้ ตัวอย่างเทคนิคประเภทนี้ได้แก่ การเรียนรู้แบบตัวจำแนกแบบเบย์สอย่างง่าย และการเรียนรู้แบบต้นไม้ตัดสินใจ เป็นต้น
===การเรียนรู้แบบไม่มีครู ===
การเรียนรู้แบบไม่มีครู ({{lang-en|Unsupervised Learning}}) ใช้ข้อมูลฝึกที่ไม่มีการใส่ฉลากให้กับข้อมูล และเรียนรู้โดยการนำข้อมูลไปผ่านกระบวนการหาความคล้ายคลึงของชุดข้อมูล จนกระทั่งได้กลุ่มข้อมูลที่จัดเป็นประเภทอย่างเหมาะสม เทคนิคประเภทนี้ได้แก่ การแบ่งกลุ่ม (Clustering)
===การเรียนรู้แบบมีครูบางส่วน ===
การเรียนรู้แบบมีครูบางส่วน ({{lang-en|Semi Supervised Learning}}) ใช้การเรียนรู้จากข้อมูลฝึกที่มีการใส่ฉลากเพียงบางส่วนจากข้อมูลฝึกทั้งหมด สำหรับส่วนที่ไม่มีฉลากนั้นจะใช้กระบวนการเรียนรู้เพื่อใส่ฉลากและปรับความถูกต้องให้กับการเรียนรู้ต่อไป เทคนิคประเภทนี้ได้แก่ EM Algorithms
[[ผู้ใช้:Jinapattanah|Jinapattanah]] 13:51, 13 มกราคม 2555 (ICT)
== อ้างอิง ==
<references />
[[หมวดหมู่:วิทยาการคอมพิวเตอร์]]
[[หมวดหมู่:วิศวกรรมคอมพิวเตอร์]]
[[หมวดหมู่:วิทยาการคอมพิวเตอร์เชิงทฤษฎี]]
[[หมวดหมู่:การเรียนรู้ของเครื่อง| ]]
| |||