Uczenie maszynowe

Z Wikipedii

Uczenie maszynowe albo uczenie się maszyn (ang. machine learning) jest dziedziną sztucznej inteligencji której przedmiotem zainteresowania są metody umożliwiające uczenie się programom komputerowym. Program uczy się, jeśli potrafi modyfikować jakiś aspekt samego siebie (swój stan) i dzięki temu działać coraz lepiej lub wydajniej.

Uczenie maszynowe znajduje zastosowanie w rozwiązywaniu problemów, dla których ze względu na ich złożoność niemożliwe jest podanie gotowego algorytmu rozwiązującego dany problem w racjonalnym czasie. Inne dziedziny zastosowań to poszukiwanie zależności w dużych zbiorach danych (tzw. eksploracja danych), oraz tworzenie inteligentnych autonomicznych systemów, umiejących przystosować się do zmian w środowisku (patrz robotyka).

Metody uczenia się wyróżniane w tej dziedzinie wiedzy można podzielić ze względu na sposób nabywania wiedzy:

• przez bezpośrednią implantację
• przez obserwację i odkrywanie (jest to tzw. uczenie nienadzorowane)
• na podstawie przykładów (uczenie nadzorowane).

Sama wiedza może być reprezentowana na wiele różnych sposobów, między innymi za pomocą:

• reguł (najczęściej postaci jeżeli X to Y)
• drzew decyzyjnych
• klauzul logiki predykatów
• taksonomii
• rozkładów prawdopodobieństwa
• funkcji przejść automatów skończonych
• reguł gramatyki formalnej.