Úvod
Modely strojového učení jsou počítačové algoritmy, které používají data k provádění odhadů (informovaných odhadů) nebo rozhodování. Modely strojového učení se liší od tradičních algoritmů v tom, jak jsou navržené. Když je potřeba vylepšit tradiční počítačový software, lidé ho upravují. Naproti tomu algoritmus strojového učení používá data k lepšímu získání konkrétní úlohy.
Například filtry spamu používají strojové učení. Před dvaceti lety filtry spamu neměly mnoho příkladů, ze kterých se učit a nebyly dobré při identifikaci toho, co je a není spam. Vzhledem k tomu, že přišlo více spamů a bylo označeno jako nevyžádaná uživateli, algoritmy strojového učení získaly více zkušeností a staly se lepšími ve své práci.
Boty, které se vejdou
V tomto modulu použijeme ukázkový scénář k vysvětlení klíčových konceptů strojového učení.
V tomto scénáři vlastníte obchod, který prodává postroje pro lavinové záchranářské psy a nedávno jste rozšířili, abyste také prodali psí boty. Zákazníkům se zdá, že si vyberou správné velikosti svazků, ale neustále objednávají psí boty, které mají nesprávnou velikost. Víte, že většina zákazníků nakupuje svazky a boty ve stejné transakci, což vám dává představu: možná byste mohli odhadnout, které psí boty jsou správná velikost v závislosti na zvoleném svazku. Pak můžete upozornit zákazníky, pokud jsou vybrané spuštění pravděpodobně nesprávnou velikostí před nákupem.
V tomto modulu vytvoříme model strojového učení, který tuto myšlenku implementuje. Tímto scénářem vás seznámíme s některými základními koncepty strojového učení a ukážeme si, jak je používat v praktickém nastavení.
Cíle výuky
V tomto modulu:
- Prozkoumejte, jak se strojové učení liší od tradičního softwaru.
- Vytvoření a otestování modelu strojového učení
- Načtěte model a použijte ho s novými daty.
Požadavky
Nic