Mašīnmācīšanās

Vikipēdijas raksts
Pārlēkt uz: navigācija, meklēt

Mašīnmācīšanās ir mākslīgā intelekta apakšnozare, kurā nodarbojas ar tādu algoritmu izstrādi, kuri ļauj datoriem uzlabot lēmumu pieņemšanu, pamatojoties uz empīriskiem datiem, tādiem kā sensoru dati vai datubāzes. Mašīnmācīšanās ir saistīta ar algoritmiem, kuri ļauj mašīnai mācīties ar induktīvu pieņēmumu palīdzību, balstoties uz novērojumu datiem, kuri attēlo nepilnīgu informāciju par statistisku fenomenu.

Cits algoritmu veids ir klasifikācijas algoritmi, kuros mašīnas apgūst spēju automātiski atpazīt sarežģītas kopējas iezīmes, lai pēc tām atšķirtu eksemplārus un pieņemtu inteliģentus lēmumus.

Definīcija[izmainīt šo sadaļu | labot pirmkodu]

Toms Mičels ir piedāvājis šādu plaši citētu definīciju: Tiek uzskatīts, ka datorprogramma mācās no pieredzes E attiecībā uz kādu uzdevumu klasi T ar sniegumu P, ja tās sniegums darbā ar uzdevumiem T, ko mēra ar P, uzlabojas ar pieredzi E.[1]

Skatīt arī[izmainīt šo sadaļu | labot pirmkodu]

Atsauces[izmainīt šo sadaļu | labot pirmkodu]

  1. A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E. — Mitchell, T. (1997). Machine Learning, McGraw Hill. ISBN 0-07-042807-7, p.2.

Ārējās saites[izmainīt šo sadaļu | labot pirmkodu]