Strojové učení

Strojové učení je podoblastí umělé inteligence, zabývající se algoritmy a technikami, které umožňují počítačovému systému 'učit se'. Učením v daném kontextu rozumíme takovou změnu vnitřního stavu systému, která zefektivní schopnost přizpůsobení se změnám okolního prostředí.

Strojové učení se značně prolíná s oblastmi statistiky a dobývaní znalostí a má široké uplatnění. Jeho techniky se využívají např. v biomedicínské informatice (tzv. systémy pro podporu rozhodování), rozlišení nelegálního užití kreditních karet, rozpoznávání řeči a psaného textu, či mnohé další.

Základní rozdělení algoritmů učení

Algoritmy strojového učení lze podle způsobu učení rozdělit do následujících kategorií:

• učení s učitelem Pro vstupní data je určen správný výstup (třída pro klasifikaci nebo hodnota pro regresi)
• učení bez učitele (en:unsupervised learning) Ke vstupním datům není známý výstup
• kombinace učení s učitelem a bez učitele (en:semi-supervised learning) Část vstupních dat je se známým výstupem, ale další data, typicky větší, jsou bez něj. Často se používá EM algoritmus (en:Expectation–maximization algorithm). Podobný přístup je transdukce
• zpětnovazebné učení, též učení posilováním

Podle způsobu zpracování lze algoritmy rozdělit na

• dávkové: Všechny data požadují před začátkem výpočtu.
• inkrementální: Dokážou se "přiučit", tj. upravit model, pokud dostanou nová data, bez přepočítání celého modelu od začátku

Základní druhy úloh

• Klasifikace rozděluje vstupní data do dvou nebo několika tříd.
• Regrese odhaduje číselnou hodnotu výstupu podle vstupu
• Klastrování zařazuje objekty do skupin s podobnými vlastnostmi, typicky při učení bez učitele

Další typy úloh jsou:

• Ranking určuje pořadí datových bodů, výsledkem je částečné nebo úplné setřídění
• Učení strukturovaných dat. Struktura může být například sekvence, strom, graf... Aplikace jsou např. učení syntaktických stromů ve zpracování přirozeného jazyka, zarovnání sekvencí proteinů v bioinformatice, hledání vhodné molekuly reprezentované jako graf v chemoinformatice...

Podoblasti strojového učení

• Používané modely:
  • Rozhodovací stromy (en:Decision tree)
  • Algoritmus k-nejbližších sousedů (en:k-nearest neighbor algorithm)
  • Podpůrné vektory, viz Support vector machines (en:Support vector machines)
  • Lineární diskriminační analýza (en:Linear discriminant analysis)
  • Kvadratická diskriminační analýza (en:Quadratic discriminant analysis)
  • Množina rozhodovacích pravidel
  • Perceptron (en:Perceptron)
  • Bayesovské sítě (en:Bayesian network)
  • Neuronové sítě (en:Artificial neural network)

• Techniky pro kombinaci více modelů (en:Ensemble learning a en:Meta learning (computer science))
  • Bootstrap aggregating (resp. zkratka Bagging) (en:Bootstrap aggregating)
  • Boosting (en:Boosting)
  • Stacking

• Testování přesnosti modelu:
  • Křížová validace (en:Cross-validation)
  • Bootstrap (en:Bootstrapping (statistics))
  • viz také odstavec Odhady pravděpodobností správné klasifikace

Software

RapidMiner, KNIME, Weka, ODM, Shogun toolbox, Orange, Apache Mahout a scikit-learn jsou softwarové balíky, které obsahují různé algoritmy strojového učení.

Související články

Data mining