مدل در یادگیری ماشین چیست؟

زمان تخمینی مطالعه: 2 دقیقه

یک مدل در یادگیری ماشین خروجی یک الگوریتم یادگیری ماشینی است که بر روی داده‌ها اجرا می‌شود. یک مدل نشان دهنده آنچه توسط یک الگوریتم یادگیری ماشینی آموخته شده است. مدل «چیزی» است که پس از اجرای الگوریتم یادگیری ماشین روی داده‌های آموزشی ذخیره می‌شود و قوانین، اعداد و سایر ساختارهای داده‌ای خاص الگوریتم مورد نیاز برای پیش‌بینی را نشان می‌دهد.چند مثال ممکن است این را واضح تر کند:

• الگوریتم رگرسیون خطی منجر به مدلی متشکل از بردار ضرایب با مقادیر مشخص می‌شود.
• الگوریتم درخت تصمیم منجر به مدلی متشکل از درختی از عبارات if-then با مقادیر خاص می‌شود.
• شبکه عصبی / پس انتشار / الگوریتم‌های نزولی گرادیان با هم منجر به مدلی متشکل از یک ساختار نمودار با بردارها یا ماتریس‌هایی از وزن‌ها با مقادیر مشخص می‌شوند.

یک مدل یادگیری برای یک مبتدی چالش برانگیزتر است زیرا قیاس واضحی با الگوریتم‌های دیگر در علوم کامپیوتر وجود ندارد. به عنوان مثال، خروجی لیست مرتب شده یک الگوریتم مرتب سازی واقعاً یک مدل نیست. بهترین تشبیه این است که مدل یادگیری ماشین را به عنوان یک «برنامه» در نظر بگیرید. “برنامه” مدل یادگیری ماشین از داده‌ها و روشی برای استفاده از داده‌ها برای پیش بینی تشکیل شده است.

به عنوان مثال، الگوریتم رگرسیون خطی و مدل حاصل را در نظر بگیرید. این مدل از بردار ضرایب (داده) تشکیل شده است که با یک ردیف از داده‌های جدید به عنوان ورودی به منظور پیش بینی (رویه پیش بینی) ضرب و جمع می‌شوند.ما داده‌ها را برای مدل یادگیری ماشین جهت استفاده بعدی ذخیره می‌کنیم. ما اغلب از روش پیش‌بینی برای مدل یادگیری که توسط یک کتابخانه یادگیری ماشین ارائه شده است استفاده می‌کنیم. گاهی اوقات ممکن است خودمان رویه پیش بینی را به عنوان بخشی از برنامه خود اجرا کنیم. با توجه به اینکه اکثر روش‌های پیش بینی بسیار ساده هستند، انجام این کار اغلب ساده است.