Strojno učenje: Razlika med redakcijama

Izbrisana vsebina Dodana vsebina

Znotrajvrstično

Redakcija: 20:21, 8. april 2010

Strojno učenje (angleško Machine Learning, nemško Maschinelles Lernen) pomeni pridobivanje znanja na podlagi izkušenj. Ne gre za učenje na pamet, ampak za iskanje pravil v učnih podatkih. Tako lahko dobimo odgovor tudi na vprašanje, ki ni sodelovalo pri učenju. Dva nabolj znana predstavnika strojnega učenja sta nevronske mreže in skriti model Markova.

Vrste strojnega učenja

Učenje je lahko nadzorovano ali nenadzorovano.

Nadzorovano učenje (supervised learnig): Algoritem uči stroj s podanimi pari vhodnih in želenih izhodnih podatkov. Pri tem želene izhodne vrednosti določa učitelj, oz. človek - nadzornik.
Nenadzorvano učenje (unsupervised laerning): Algoritem razdeli dane vhodne podatke, po svojih kriterijih, v več kategorij, ki imajo svoje značilnosti. To se imenuje rojenje (clustering). Število kategorij in njihove značilnosti izlušči algoritem iz vhodnih podatkov, brez nadzora učitelja.
Okrepčevalno učenje (reinforcement learning): Algoritem uči z nagrajevanjem in kaznovanjem. To je taktika za maksimiranje uporabnosti agenta.

Glej tudi

@@ Vrstica 1: / Vrstica 1: @@
-'''Strojno učenje''' ([[angleščina|angleško]] ''Machine Learning'', [[nemščina|nemško]] ''Maschinelles Lernen'') pomeni pridobivanje [[znanje|znanja]] na podlagi [[izkušnja|izkušenj]]. Ne gre za učenje na pamet, ampak za iskanje [[pravilo|pravil]] v učnih [[podatek|podatkih]]. Tako lahko dobimo odgovor tudi na vprašanje, ki ni sodelovalo pri učenju.  Dva nabolj znana predstavnika strojnega učenja sta [[nevronska mreža|nevronske mreže]] in [[skriti model Markova]].
+'''Strojno učenje''' ([[angleščina|angleško]] ''Machine Learning'', [[nemščina|nemško]] ''Maschinelles Lernen'') pomeni pridobivanje [[znanje|znanja]] na podlagi [[izkušnja|izkušenj]]. Ne gre za učenje na pamet, ampak za iskanje [[pravilo|pravil]] v učnih [[podatek|podatkih]]. Tako lahko dobimo odgovor tudi na vprašanje, ki ni sodelovalo pri učenju. Dva nabolj znana predstavnika strojnega učenja sta [[nevronska mreža|nevronske mreže]] in [[skriti model Markova]].
 == Vrste strojnega učenja ==
 Učenje je lahko nadzorovano ali nenadzorovano.
-*'''Nadzorovano učenje''' (''supervised learnig''): [[Algoritem]] uči stroj s podanimi pari vhodnih in želenih izhodnih podatkov. Pri tem želene izhodne vrednosti določa učitelj, oz. človek - nadzornik.
+* '''Nadzorovano učenje''' (''supervised learnig''): [[Algoritem]] uči stroj s podanimi pari vhodnih in želenih izhodnih podatkov. Pri tem želene izhodne vrednosti določa učitelj, oz. človek - nadzornik.
-*'''Nenadzorvano učenje''' (''unsupervised laerning''): Algoritem razdeli dane vhodne podatke, po svojih [[kriterij|kriterijih]], v več [[kategorija|kategorij]], ki imajo svoje [[značilnost|značilnosti]]. To se imenuje rojenje (clustering). Število kategorij in njihove značilnosti izlušči algoritem iz vhodnih podatkov, brez nadzora učitelja.
+* '''Nenadzorvano učenje''' (''unsupervised laerning''): Algoritem razdeli dane vhodne podatke, po svojih [[kriterij]]ih, v več [[kategorija|kategorij]], ki imajo svoje [[značilnost]]i. To se imenuje rojenje (clustering). Število kategorij in njihove značilnosti izlušči algoritem iz vhodnih podatkov, brez nadzora učitelja.
-*'''Okrepčevalno učenje''' (''reinforcement learning''): Algoritem uči z nagrajevanjem in kaznovanjem. To je taktika za [[maksimiranje]] uporabnosti [[agent|agenta]].
+* '''Okrepčevalno učenje''' (''reinforcement learning''): Algoritem uči z nagrajevanjem in kaznovanjem. To je taktika za [[maksimiranje]] uporabnosti [[agent]]a.
 == Glej tudi ==
@@ Vrstica 30: / Vrstica 30: @@
 [[it:Apprendimento automatico]]
 [[ja:機械学習]]
+[[kn:ಯಂತ್ರ ಕಲಿಕೆ]]
 [[ko:기계 학습]]
 [[lt:Sistemos mokymasis]]