Strojno učenje: Razlika med redakcijama

Izbrisana vsebina Dodana vsebina

Znotrajvrstično

Redakcija: 11:36, 6. oktober 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.
Nenadzorovano učenje (unsupervised learning): 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 4: / Vrstica 4: @@
 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 [[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.
+* '''Nenadzorovano učenje''' (''unsupervised learning''): 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]]a.