c++ 머신러닝 예제

그러나 많은 실제 문제의 매우 복잡한 특성은 종종 매번 완벽하게 해결할 전문 알고리즘을 발명하는 것이 불가능하지는 않지만 비현실적이라는 것을 의미합니다. 기계 학습 문제의 예로는 “이 암인가요?”, “이 집의 시장 가치는 무엇입니까?”, “이 사람들 중 누구와 좋은 친구가 있습니까?”, “이 로켓 엔진이 이륙할 때 폭발할 것인가?”, “이 사람이 이 영화와 같은 사람이 누구입니까?”, “무슨 말을 했니?”, “이 걸 어떻게 날아가?” 이러한 모든 문제는 ML 프로젝트에 대 한 우수한 대상, 그리고 사실 ML 큰 성공으로 그들 각각에 적용 되었습니다. ML 작업의 다른 유형 중, 감독 및 감독 되지 않은 학습 사이 중요 한 구별 을 그려집니다.: 이것은 미적분이 기계 학습 자습서에 온다. 이 설명을 관리 하기 위해, 여기 방정식을 작성 하지 않습니다., 하지만 본질적으로 우리가 하는 것은의 그라데이션을, 파생 상품의 쌍 (하나 이상 하나 이상). 그라데이션은 모든 다른 값에 대해 다를 것이며, “언덕의 경사”가 무엇인지, 특히 이러한 특정 s에 대해 “어느 쪽이 내려가는지”를 알려줍니다. 예를 들어, 현재 값을 그라데이션에 연결하면 조금 더 추가하고 빼면 비용 함수 밸리 바닥의 방향으로 이동하게 됩니다. 따라서, 조금 을 추가하고 에서 조금 빼고 짜잔! 학습 알고리즘의 한 라운드를 완료했습니다. 업데이트된 예측 변수 h(x) = + x는 이전보다 더 나은 예측을 반환합니다. 우리의 기계는 이제 조금 똑똑해졌습니다. 이것은 끔찍한 추측이었고이 기계는 별로 알지 못한다는 것이 분명합니다. 다행히도 ML 시스템에서 취한 반복적인 접근 방식은 이러한 복잡성에 직면하여 훨씬 더 탄력적입니다. 무차별 대입 대신 기계 학습 시스템은 대답에 “방해가 되는 느낌”을 느낍니다.

큰 문제의 경우, 이것은 훨씬 더 잘 작동합니다. 이것이 ML이 모든 임의로 복잡한 문제를 해결할 수 있다는 것을 의미하지는 않지만(할 수 없는) 매우 유연하고 강력한 도구가 됩니다.