Định nghĩa mô hình trong học máy

Đây định nghĩa không hoàn toàn áp dụng vì chúng ta đang phải lúc nào cũng giả định một phân phối cơ bản. Vậy một mô hình thực sự là gì? GBM với các siêu đường kính được chỉ định có thể được coi là một mô hình không? Là một mô hình một tập hợp các quy tắc?

Gần đây tôi đã quan tâm đến câu hỏi tương tự và nhận ra rằng không có một định nghĩa duy nhất nào về "mô hình" trong học máy. Nó phụ thuộc rất nhiều vào các nguồn bạn tư vấn, có thể là tài liệu cho một chương trình phần mềm cụ thể, tiếng lóng được thông qua bởi cộng đồng người dùng hoặc các định nghĩa được sử dụng trong các bài báo học thuật được xuất bản, có thể thay đổi từ tạp chí này sang tạp chí khác. Hơn nữa, tôi đã phải học cách ghi nhớ rằng những bài báo đó được viết không chỉ bởi các chuyên gia về học máy, mà bởi các chuyên gia trong các ngành khác có nhu cầu áp dụng các kỹ thuật học máy (như hình ảnh, các lĩnh vực y tế khác nhau, v.v.) . Nhiều người trong số họ không định nghĩa rõ ràng thuật ngữ "mô hình", thường được sử dụng một cách lỏng lẻo. Đây chỉ là một vài định nghĩa khác nhau về "mô hình" tôi '

• Các mô hình thống kê, đặc biệt là các số liệu thống kê liên quan đến phân phối xác suất.

• Dữ liệu hồi quy và số liệu thống kê liên quan.

• Các mô hình toán học như được đề cập bởi Neil Slater ở trên.

• Các mô hình dữ liệu được sử dụng trong học máy, chẳng hạn như các cột liên quan, kiểu dữ liệu của chúng, nguồn dữ liệu và siêu dữ liệu khác. Điều này đặc biệt khó khăn vì không có gì toán học về định nghĩa này cả, không giống như ba định nghĩa đầu tiên tôi liệt kê. Ví dụ, xem tất cả tài liệu về "mô hình khai thác" của SQL Server, phục vụ nhiệm vụ kép cho mục đích học máy.

• Đôi khi tất cả các định nghĩa ở trên được mở rộng để bao gồm các cấu trúc máy học được xây dựng dựa trên các phương trình và siêu dữ liệu, chẳng hạn như thông số kỹ thuật của mạng lưới thần kinh. Trong các trường hợp khác, đây được coi là các thực thể riêng biệt.

Tất cả các bên trên đôi khi được trộn và kết hợp với nhau, tùy thuộc vào nguồn. Tôi chắc chắn có những định nghĩa khác về "mô hình" tôi đã rời khỏi danh sách này, điều này sẽ làm phức tạp vấn đề hơn nữa. Để đối phó với sự mơ hồ này, tôi đang cố gắng rèn luyện bản thân để thần thánh ý định của tác giả mỗi khi họ sử dụng thuật ngữ "mô hình". Đôi khi thật dễ dàng để xác định dựa trên bối cảnh hoặc lĩnh vực mà tác giả làm việc, nhưng những lần khác tôi phải đọc sâu vào một bài viết hoặc tài liệu trước khi tìm ra nó. Tôi ước tôi có thể dứt khoát hơn về nó, nhưng nó thực sự là một thuật ngữ mờ nhạt tự nhiên; sẽ không bao giờ trở thành một câu trả lời đơn giản phù hợp với tất cả các vấn đề này. Tôi hy vọng điều đó sẽ giúp.

Tôi thích định nghĩa Machine Learning được đưa ra bởi Tom Mitchell .

Một chương trình máy tính được cho là học hỏi từ kinh nghiệm E đối với một số loại nhiệm vụ T và đo lường hiệu suất P nếu hiệu suất của nó tại các nhiệm vụ trong T, được đo bằng P, cải thiện với kinh nghiệm E.

Vì vậy, với định nghĩa này, tôi nên nói rằng một mô hình là kinh nghiệm có được sau khi thực hiện một số lớp T.

Từ bài viết trên Amazon Machine Learning

Quá trình đào tạo một mô hình ML liên quan đến việc cung cấp một thuật toán ML (nghĩa là thuật toán học tập) với dữ liệu đào tạo để học hỏi. The term ML model refers to the model artifact that is created by the training process.

Một mô hình, nói một cách lỏng lẻo, là một sự đơn giản hóa của một số điều hoặc quá trình. Ví dụ, hình dạng của Trái đất không thực sự là một hình cầu, nhưng chúng ta có thể coi nó là một nếu chúng ta đang thiết kế một quả địa cầu. Tương tự, giả sử vũ trụ là xác định, có một số quy trình tự nhiên quyết định xem khách hàng sẽ mua sản phẩm trên trang web hay không. Chúng tôi có thể xây dựng một cái gì đó gần đúng với quy trình đó, chúng tôi có thể cung cấp một số thông tin về khách hàng và thông báo cho chúng tôi nếu họ nghĩ rằng khách hàng đó sẽ mua sản phẩm.

"Mô hình học máy", sau đó, là một mô hình được xây dựng bởi một hệ thống máy học.

(Xin lỗi vì đây không phải là một câu trả lời nghiêm ngặt, nhưng tôi hy vọng nó vẫn hữu ích.)

Trong mô hình học máy, mô hình đề cập đến một biểu thức toán học của các tham số mô hình cùng với các chủ sở hữu vị trí đầu vào cho từng dự đoán, lớp và hành động cho các loại hồi quy, phân loại và gia cố tương ứng.

Biểu thức này được nhúng trong nơron đơn lẻ như một mô hình.

Đối với perceptionron một lớp và mô hình học sâu, người ta cần trích xuất mô hình này bằng cách cẩn thận di chuyển các nơ-ron và các lớp để thu thập và khâu chức năng kích hoạt theo kiểu có trật tự.

Trong học máy, mô hình là trung tâm của lực hấp dẫn và mọi thứ đều xoay quanh mô hình. Mặc dù những người khác nhau có định nghĩa khác nhau của mô hình. Nhưng theo tôi, đây là cách tốt nhất để xác định mô hình "mô hình trong học máy là giả thuyết cố gắng khớp dữ liệu và học cách dự đoán dữ liệu không nhìn thấy".