Machine Learning cho người hoàn toàn mới bắt đầu – Các loại Machine Learning

3. Các loại Machine Learning

Machine learning kết hợp hàng trăm thuật toán dựa trên thống kê và việc chọn các thuật toán phù hợp cho công việc là một thử thách liên tục khi làm việc trong lãnh vực này. Trước khi kiểm tra các thuật toán cụ thể, điều quan trọng là phải củng cố sự hiểu biết của một người về ba loại machine learning chính và cách xử lý các biến đầu vào (input) và đầu ra (output) của chúng.

Học có giám sát (supervised learning)

Học có giám sát bắt chước khả năng của chúng ta trong việc trích xuất các mẫu (patterns) từ các ví dụ đã được biết và sử dụng thông tin chi tiết được trích xuất đó để tạo ra một kết quả có thể được lặp lại (kết quả dự đoán được và tương tự nhau). Đó là cách mà công ty xe hơi Toyota thiết kế mẫu xe đầu tiên của họ. Thay vì suy đoán hoặc xây dựng một quy trình độc đáo để sản xuất xe hơi, Toyota đã tạo ra mẫu xe hơi đầu tiên của họ sau khi tháo rời một chếc xe hơi Chevrolet trong góc một công ty dệt gia đình. Bằng việc quan sát một chiếc xe đã hoàn tất (output) và sau đó tách rời các bộ phận riêng lẻ (input), các kỹ sư của Toyota đã mở khóa quy trình thiết kế được giữ bí mật bởi Chevrolet Mỹ.

Quá trình tìm hiểu sự kết hợp “đầu vào-đầu ra” được xác định này được nhân rộng trong machine learning bằng cách sử dụng học có giám sát (supervised learning). Mô hình (model) sẽ phân tích và giải mã mối quan hệ giữa dữ liệu input và dữ liệu output để học các mẫu cơ bản. Dữ liệu đầu vào được giới thiệu như một biến độc lập (independent variable) (“X” viết hoa), trong khi dữ liệu đầu ra được gọi là biến phụ thuộc (dependent variable) (“y” viết thường). Một ví dụ của một biến phụ thuộc (y) có thể là các tọa độ của một hình chữ nhật xung quanh một người trong hình kỹ thuật số (nhận diện gương mặt), giá của một ngôi nhà hoặc loại của một mặt hàng (ví dụ: xe thể thao, xe gia đình, xe sedan). Những biến độc lập – được cho là ảnh hưởng tới các biến phụ thuộc-có thể lần lượt là màu sắc của các điểm ảnh, kích thước và vị trí của một căn nhà, và các thông số kỹ thuật của xe hơi. Sau khi phân tích đủ số lượng mẫu (patterns), máy sẽ tạo ra một mô hình (model): một phương trình thuật toán để tạo ra kết quả dựa trên các patterns từ các ví dụ đầu vào-đầu ra trước đó.