การเรียนรู้ของเครื่อง
จากวิกิพีเดีย สารานุกรมเสรี
การเรียนรู้ของเครื่อง (อังกฤษ: Machine learning) เป็นสาขาหนึ่งของปัญญาประดิษฐ์ ที่เกี่ยวข้องกับการพัฒนาเทคนิควิธี เพื่อให้คอมพิวเตอร์สามารถเรียนรู้ โดยเน้นที่วิธีการเพื่อสร้างโปรแกรมคอมพิวเตอร์จากการวิเคราะห์ชุดข้อมูล การเรียนรู้ของเครื่องจึงเกี่ยวข้องอย่างมากกับสถิติศาสตร์ เนื่องจากทั้งสองสาขาศึกษาการวิเคราะห์ข้อมูลเช่นเดียวกัน
อัลกอริทึมการเรียนรู้ของเครื่อง จัดแบ่งได้ตามลักษณะผลลัพธ์ โดยทั่วไปแล้วจะแบ่งเป็น
- การเรียนรู้แบบมีผู้สอน (supervised learning) – อัลกอริทึมสร้างฟังก์ชันซึ่งเชื่อมระหว่างข้อมูลเข้ากับผลที่ต้องการ
- การเรียนรู้แบบไม่มีผู้สอน (unsupervised learning) – อัลกอริทึมสร้างโมเดลจากชุดข้อมูลเข้า
- การเรียนรู้แบบเสริมกำลัง (reinforcement learning) – อัลกอริทึมเรียนแผนซึ่งกำหนดการกระทำของระบบจากสิ่งที่สังเกตได้
- transduction – เหมือนกับการเรียนรู้แบบมีผู้สอน แต่ไม่ได้สร้างฟังก์ชันขึ้นมาอย่างชัดเจน โดยเน้นไปที่การพยายามทำนายชุดผลลัพธ์ใหม่ โดยอิงจากชุดข้อมูลเข้าที่เรียน, ชุดผลลัพธ์ที่เรียน, และชุดข้อมูลเข้าใหม่
- การเรียนวิธีการเรียน (learning to learn, meta-learning) – อัลกอริทึมที่เรียนวิธีการเรียนรู้ของตนเอง โดยปรับปรุง inductive bias ที่เป็นข้อสมมติฐานที่อัลกอริทึมใช้ในการเรียนรู้
การวิเคราะห์ประสิทธิภาพและการคำนวณของอัลกอริทึมการเรียนรู้ เป็นสาขาหนึ่งของวิชาสถิติซึ่งเรียกว่า ทฤษฎีการเรียนรู้
