Î:
Cum folosesc profesioniștii în domeniul învățării automate predicția structurată?
A:Profesioniștii în învățarea mașinilor folosesc predicții structurate într-o multitudine de moduri, de obicei aplicând o formă de tehnică de învățare automată la un anumit obiectiv sau problemă care poate beneficia de un punct de plecare mai ordonat pentru analiza predictivă.
O definiție tehnică a predicției structurate implică „prezicerea obiectelor structurate, mai degrabă decât valori scalare discrete sau reale.”
Un alt mod de a spune că ar fi faptul că, în loc de a măsura pur și simplu variabilele individuale în vid, predicțiile structurate funcționează dintr-un model al unei anumite structuri și îl folosesc ca bază pentru învățare și predicție. (Citiți Cum poate ajuta AI în predicția personalității?)
Tehnicile de predicție structurată sunt variabile - de la tehnici bayesiene la programare logică inductivă, rețele logice Markov și mașini vector structurate de susținere sau algoritmi de vecini apropiați, profesioniștii în învățarea mașinii au la dispoziție un set larg de instrumente pentru a se aplica la problemele de date.
Ceea ce este obișnuit în aceste idei este utilizarea unor structuri de bază pe care activitatea de învățare a mașinii se bazează în mod inerent.
Experții adesea dau ideea procesării limbajului natural, unde părțile de vorbire sunt etichetate pentru a reprezenta elemente ale unei structuri de text - alte exemple includ recunoașterea optică a caracterelor, unde un program de învățare automată recunoaște cuvinte scrise de mână prin analizarea segmentelor unei date date sau a unei imagini complexe. procesare, unde computerele învață să recunoască obiecte bazate pe intrare segmentată, de exemplu, cu rețea neuronală convolutivă cuprinsă din mai multe „straturi”.
Experții ar putea vorbi despre clasificarea liniară a multiclasei, funcțiile de compatibilitate liniară și alte tehnici de bază pentru generarea de predicții structurate. Într-un sens foarte general, predicțiile structurate se bazează pe un model diferit de câmpul mai larg al învățării automate supravegheate - pentru a reveni la exemplul de predicții structurate în procesarea limbajului natural și a fonemelor sau a cuvintelor marcate, vedem că utilizarea etichetării pentru învățarea automată supravegheată este orientată către modelul structural în sine - textul semnificativ furnizat, poate în seturi de teste și seturi de instruire.
Apoi, atunci când programul de învățare a mașinilor este lăsat să își desfășoare activitatea, este bazat pe modelul structural. Acestea, spun specialiștii, explică o parte din modul în care programul înțelege cum să utilizeze părți de vorbire precum verbe, adverbe, adjective și substantive, mai degrabă decât să le confunde în alte părți de vorbire sau să nu poată distinge modul în care funcționează într-un context global . (Citiți cum sunt structurate datele dvs.? Examinarea datelor structurate, nestructurate și semi-structurate.)
Câmpul predicției structurate rămâne o parte cheie a învățării automate pe măsură ce evoluează diverse tipuri de învățare automată și inteligență artificială.
