Учебники

Машинное обучение – навыки

Машинное обучение имеет очень большую ширину и требует навыков в нескольких областях. Навыки, которые вам необходимо приобрести, чтобы стать экспертом в области машинного обучения, перечислены ниже –

  • Статистика
  • Теории вероятностей
  • Исчисление
  • Методы оптимизации
  • Визуализация

Необходимость различных навыков машинного обучения

Чтобы дать вам краткое представление о том, какие навыки вам необходимо приобрести, давайте обсудим несколько примеров:

Математическая запись

Большинство алгоритмов машинного обучения в значительной степени основаны на математике. Уровень математики, который вам нужно знать, вероятно, только начальный уровень. Важно то, что вы должны быть в состоянии прочитать обозначения, которые математики используют в своих уравнениях. Например – если вы можете прочитать нотацию и понять, что это значит, вы готовы к обучению машинному обучению. Если нет, возможно, вам придется освежить свои знания по математике.

f_ {AN} (net- \ theta) = \ begin {case} \ gamma & if \: net- \ theta \ geq \ epsilon \\ net- \ theta & if – \ epsilon <net- \ theta <\ epsilon \\ – \ gamma & if \: net- \ theta \ leq- \ epsilon \ end {case}

 displaystyle max limit alpha beginbmatrix displaystyle sum limitmi=1 alpha frac12 displaystyle sum limitmi,j=1метка left( beginarrayci endarray right) cdotметка left( beginarraycj endarray right) cdotai cdotaj langlex left( beginarrayci endarray справа),x left( beginarraycj endarray right) rangle endbmatrix

fAN(net тета)= влево( гидроразрывае Lambda(net тета)е Lambda(net тета)е лямбда(net тета)+е Lambda(net тета) справа)

Теория вероятности

Вот пример, чтобы проверить ваши текущие знания теории вероятностей: Классификация с условными вероятностями.

р(Cя|х,у) = гидроразрывар(х,у|Cг)р(Cя)р(х,у) 

С помощью этих определений мы можем определить правило байесовской классификации –

  • Если P (c1 | x, y)> P (c2 | x, y), класс c1.
  • Если P (c1 | x, y) <P (c2 | x, y), класс c2.

Задача оптимизации

Вот функция оптимизации

 displaystyle max limit alpha beginbmatrix displaystyle sum limitmi=1 alpha frac12 displaystyle sum limitmi,j=1метка left( beginarrayci endarray right) cdotметка left( beginarraycj endarray right) cdotai cdotaj langlex left( beginarrayci endarray справа),x left( beginarraycj endarray right) rangle endbmatrix

С учетом следующих ограничений –

 alpha geq0и displaystyle sum limitmi1 alphai cdotметка left( beginarrayci endмассив справа)=0

Если вы можете прочитать и понять вышеизложенное, у вас все настроено.

Визуализация

Во многих случаях вам нужно будет понимать различные типы графиков визуализации, чтобы понять распределение ваших данных и интерпретировать результаты вывода алгоритма.

Графики визуализации

Помимо вышеупомянутых теоретических аспектов машинного обучения, вам нужны хорошие навыки программирования для написания этих алгоритмов.

Так что же нужно для реализации ML? Давайте посмотрим на это в следующей главе.