Q:
Hvordan bruges en induktionsalgoritme i maskinlæring?
EN:Inden for maskinlæring repræsenterer en induktionsalgoritme et eksempel på anvendelse af matematiske principper til udvikling af sofistikerede computersystemer. Maskinlæringssystemer går ud over en simpel “rote input / output” -funktion og udvikler de resultater, de leverer ved fortsat brug. Induktionsalgoritmer kan hjælpe med realtidshåndtering af sofistikerede datasæt eller mere langsigtet indsats.
Induktionsalgoritmen er noget, der gælder for systemer, der viser komplekse resultater, afhængigt af hvad de er konfigureret til. En af de mest grundlæggende måder, som ingeniører bruger en induktionsalgoritme, er at forbedre videnindsamling i et givet system. Med andre ord, med algoritmen på plads, er det sæt "viden data", som slutbrugerne får, på en eller anden måde forbedret, hvad enten det drejer sig om mængden af data, filtrering af støj og uønskede resultater eller forfining af nogle datapunkter.
| Gratis download: Machine Learning og Why It Matters |
Selvom de tekniske beskrivelser af induktionsalgoritmer stort set udgør territoriet i matematiske og videnskabelige tidsskrifter, er en af de grundlæggende ideer til brug af induktionsalgoritmen, at den kan organisere “klassificeringsregler” i henhold til induktionsprincippet og adskille sammenligningsresultater fra forskellige slags systemer støj eller undtagelser. Filtrering af støj fra et domæne er en fremtrædende anvendelse af induktionsalgoritmen generelt. Idéen er, at induktionsalgoritmer i den virkelige datafiltrering kan sammensætte forskellige sæt regler for både de legitime resultater og systemstøj for at skelne den ene fra den anden.
Ved at opsætte induktionsalgoritmer i henhold til visse træningseksempler er interessenter på udkig efter disse systems evner til at identificere og vurdere konsistente regler og data, der repræsenterer undtagelser fra disse regler. På en måde anvender brugen af en induktionsalgoritme induktionsprincippet til at "bevise" visse resultater, der kan hjælpe viden, fordi de giver flere markante afgrænsninger i et datasæt (eller flere datasæt) - sondringer, der kan drive alle slags ender brugerfunktioner.
Som andre typer maskinindlæringssoftware, betragtes induktionsalgoritmer ofte som en form for "beslutningsstøtte."
”Vi betragter den vigtigste opgave for et ægte induktionssystem som at hjælpe eksperten med at udtrykke sin ekspertise, ” skriver forfatterne af et Turing Institute-papir om induktion i maskinlæring tilbage i 1980'erne. "Derfor kræver vi, at de inducerede regler er yderst forudsigelige og let forståelige for eksperten."
Med dette i tankerne kan induktionsalgoritmer være en del af mange slags softwareprodukter, der søger at forfine data og give udviklende resultater for menneskelige brugere. Generelt genererer maskinlæring og brugen af visuelle dashboards nye værktøjer, gennem hvilke brugerne hurtigere kan udvikle dybdegående viden om ethvert givet system, hvad enten det er relateret til havforskning, medicinsk diagnose, e-handel eller enhver anden form for datarigt system.
