الگوریتم در یادگیری ماشین چیست؟

زمان تخمینی مطالعه: 3 دقیقه

«الگوریتم» در یادگیری ماشین، رویه‌ای است که روی داده‌ها برای ایجاد «مدل» یادگیری ماشین اجرا می‌شود. الگوریتم‌های یادگیری ماشین “تشخیص الگو” را انجام می‌دهند. الگوریتم‌ها از داده‌ها «یاد می‌گیرند» یا بر روی یک مجموعه داده «فیت» هستند. در حوزه هوش مصنوعی الگوریتم‌های یادگیری ماشین زیادی وجود دارد. به عنوان مثال، ما الگوریتم‌هایی برای طبقه‌بندی داریم، مانند K نزدیک‌ترین همسایه(k-nearest)، همچنین الگوریتم‌هایی برای رگرسیون داریم، مانند رگرسیون خطی، و الگوریتم‌هایی برای خوشه‌بندی، مانند k-means داریم.

نمونه هایی از الگوریتم‌های یادگیری ماشین عبارتند از:

• رگرسیون خطی
• رگرسیون لجستیک
• درخت تصمیم
• شبکه‌های عصبی مصنوعی
• k-نزدیکترین همسایه
• k-means

می‌توانید الگوریتم در یادگیری ماشین را مانند هر الگوریتم دیگری در علوم کامپیوتر در نظر بگیرید.به عنوان مثال، برخی از انواع دیگر الگوریتم‌هایی که ممکن است با آنها آشنا باشید شامل مرتب‌سازی حبابی برای مرتب‌سازی داده‌ها و بهترین الگوریتم‌ها برای جستجو هستند.به این ترتیب، الگوریتم های یادگیری ماشین دارای تعدادی ویژگی هستند:

• الگوریتم‌های یادگیری ماشین را می‌توان با استفاده از ریاضی و شبه کد توصیف کرد.
• کارایی الگوریتم‌های یادگیری ماشینی را می‌توان تحلیل و توصیف کرد.
• الگوریتم‌های یادگیری ماشین را می‌توان با هر یک از طیف وسیعی از زبان‌های برنامه نویسی مدرن پیاده سازی کرد.

برای مثال، ممکن است الگوریتم‌های یادگیری ماشین را با شبه کد یا جبر خطی در مقالات و کتاب‌های درسی ببینید. ممکن است کارایی محاسباتی یک الگوریتم یادگیری ماشینی خاص را در مقایسه با یک الگوریتم خاص دیگر مشاهده کنید.

دانشگاهیان می‌توانند الگوریتم‌های یادگیری ماشینی کاملاً جدیدی ابداع کنند و متخصصان یادگیری ماشین می‌توانند از الگوریتم‌های یادگیری ماشین استاندارد در پروژه‌های خود استفاده کنند. این درست مانند سایر حوزه‌های علوم کامپیوتر است که در آن دانشگاهیان می‌توانند الگوریتم‌های مرتب‌سازی کاملاً جدیدی ابداع کنند و برنامه‌نویسان می‌توانند از الگوریتم‌های مرتب‌سازی استاندارد در برنامه‌های خود استفاده کنند.

همچنین احتمالاً چندین الگوریتم در یادگیری ماشین را خواهید دید که با هم پیاده‌سازی شده و در یک کتابخانه با رابط برنامه‌نویسی استاندارد (API) ارائه شده‌اند. یک مثال محبوب، کتابخانه scikit-learn است که پیاده‌سازی بسیاری از الگوریتم‌های یادگیری ماشینی طبقه‌بندی، رگرسیون و خوشه‌بندی را در پایتون ارائه می‌کند.