Strojno učenje

Strojno učenje (Predloga:Jezi-en, nemško Maschinelles Lernen) pomeni pridobivanje znanja na podlagi izkušenj. Ne gre za učenje na pamet, ampak za iskanje pravil v učnih podatkih. Tako se lahko dobi odgovor tudi na vprašanje, ki ni sodelovalo pri učenju. Nabolj znani predstavniki strojnega učenja so nevronske mreže, metoda podpornih vektorjev in skriti model Markova.

Vrste strojnega učenja

Glede nadzora je lahko učenje:

• nadzorovano učenje (supervised learning): 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.
• vzpodbujevalno učenje (reinforcement learning): algoritem uči z nagrajevanjem in kaznovanjem. To je taktika za maksimiranje uporabnosti agenta.

Glede adaptivnosti je lahko učenje:

• ofline učenje: celotno učenje stroja se izvede preden se začne stroj uporabljati.
• inkrementalno učenje: stroj se uči ofline in uporablja. Ko se med uporabo zazna težave, se opravi dodatno učenje.
• online učenje: najprej se izvede ofline učenje z manjšim naborom učnih vzorcev. Med uporabo se stroj sproti dodatno uči z dodatnimi vzorci.

Glej tudi

• podatkovno rudarjenje
• genetsko programiranje