machine learning چیست؟

مدل‎‌های machine learning

مدل‌های machine learning به سه دسته اصلی تقسیم می‌شوند که در این بخش به معرفی هر کدام از آن‌ها می‌پردازیم:

• Supervised machine learning

با بهره برداری از مجموعه داده‌هایی که برچسب گذاری شدند برای آموزش الگوریتم‌ها برای طبقه بندی داده‌ها یا پیش بینی دقیق نتایج تعریف می‌شود. Supervised machine learning به سازمان‌ها کمک می‌کند تا انواع مشکلات دنیای واقعی را در مقیاسی بزرگ تر حل کنند. برخی از روش‌های مورد استفاده در Supervised machine learning عبارتند از:

1. Neural Networks
2. Simple bayes
3. linear regression
4. logistic regression
5. Random Forest 
6. Support Vector Machine (SVM).

• Unsupervised machine learning

به استفاده از الگوریتم‌های machine learning برای تجزیه و تحلیل و خوشه بندی مجموعه داده‌های بدون برچسب می‌پردازد. با کمک این الگوریتم ها می‌توان الگوهای پنهان یا گروه بندی داده‌ها را بدون نیاز به دخالت انسان کشف نمود. از این روش برای تجزیه و تحلیل داده‌های اکتشافی، استراتژی‌های فروش متقابل، تقسیم‌بندی مشتری، و تشخیص تصویر استفاده می‌شود.

• Semi-supervised learning

این یادگیری واسطه ای میان دو یادگیری Supervised و unsupervised learning به حساب می‌آید. و در طول مسیر آموزش به استفاده از یک مجموعه داده برچسب‌دار کوچک‌تر برای هدایت طبقه‌بندی و استخراج ویژگی از یک مجموعه داده بزرگ‌تر و بدون برچسب می‌پردازد. این نوع یادگیری مشکلاتی همچون نداشتن داده‌های برچسب گذاری شده کافی برای الگوریتم Supervised machine learning را بر طرف می‌سازد و در صورتی که برچسب گذاری داده‌های کافی بسیار پرهزینه باشد کمک می‌کند.