L'un de l'autre centre d'apprentissage de la machine est d'atteindre universel (en anglais: généralisation), autrement dit, la nature du programme peut bien fonctionner avec les données qu'il avait jamais vu auparavant (en anglais: invisible données). Un programme efficace avec les données ne satisfait généralement n'ont pas beaucoup d'utilité.
Prenons l'exemple des e-mails automatiquement classées comme ci-dessus, un système automatisé après être passé par le processus d'apprentissage à partir de données ( « formation ») peut en déduire quelques principes propres (tels que l'examen du contenu si le courrier est écrit en anglais qui contiennent certains mots tels que « porn », « vendre », « bon produit » ou les expéditeurs de la Somalie tandis que les bénéficiaires à Hanoi ne sont pas familiers les uns aux autres) de décider de est du spam ou non. Cependant, si les conférences de données (données de formation) avec d' autres langues dans la pratique (vietnamien au lieu de l' anglais) ou même pas du type texte (format d'image rend plus difficile le contenu de dissection ou ne peut pas) alors très probablement il ne sera pas prévoir avec précision à nouveau.
Certains programmes peuvent être mis à jour automatiquement en temps réel (par exemple, les utilisateurs peuvent indiquer que le courrier est trié mauvaise catégorie).
Interagir avec les humains
Certains systèmes d'apprentissage de la machine élimine la nécessité d'efforts de l'intuition humaine dans l'analyse des données, tandis que d'autres systèmes vers une collaboration accrue entre les personnes et les machines. Ne peut pas éliminer complètement l'impact de l'homme parce que le concepteur du système pour spécifier la représentation des données et des mécanismes qui seront utilisés pour identifier les caractéristiques des données. l' apprentissage de la machine peut être considérée comme une tentative d'automatiser certaines parties de la méthode scientifique . Certains chercheurs apprentissage de la machine à créer des méthodes dans le cadre de statistique bayésienne .
Comments
Post a Comment