Ερ:
Πώς χρησιμοποιούν οι επαγγελματίες μάθησης μηχανών δομημένη πρόβλεψη;
ΕΝΑ:Οι επαγγελματίες της μάθησης μηχανών χρησιμοποιούν δομημένη πρόβλεψη σε πλήθος τρόπων, συνήθως εφαρμόζοντας κάποια μορφή τεχνικής μάθησης μηχανής σε έναν συγκεκριμένο στόχο ή πρόβλημα που μπορεί να ωφεληθεί από ένα πιο διατεταγμένο σημείο εκκίνησης για την προβλεπτική ανάλυση.
Ένας τεχνικός ορισμός της δομημένης πρόβλεψης περιλαμβάνει "την πρόβλεψη δομημένων αντικειμένων και όχι διακριτών διακριτών ή πραγματικών αξιών".
Ένας άλλος τρόπος να πούμε είναι ότι αντί να μετράμε απλά μεμονωμένες μεταβλητές σε κενό, οι δομημένες προβλέψεις λειτουργούν από ένα μοντέλο μιας συγκεκριμένης δομής και χρησιμοποιούν αυτό ως βάση για την εκμάθηση και την πρόβλεψη. (Διαβάστε πώς μπορεί να βοηθήσει η AI στην πρόγνωση της προσωπικότητας;)
Οι τεχνικές δομημένης πρόβλεψης είναι ευρέως μεταβλητές - από τις Bayesian τεχνικές μέχρι τον επαγωγικό λογικό προγραμματισμό, τα λογικά δίκτυα Markov και τις δομημένες μηχανές φορέα υποστήριξης ή τους πλησιέστερους αλγορίθμους των γειτόνων, οι επαγγελματίες της μηχανικής μάθησης έχουν ένα ευρύ εργαλείο στη διάθεσή τους για να εφαρμόσουν σε προβλήματα δεδομένων.
Αυτό που είναι συνηθισμένο σε αυτές τις ιδέες είναι η χρήση κάποιων υποκείμενων δομών που η εργασία εκμάθησης μηχανών βασίζεται στην εγγενή.
Οι ειδικοί συχνά δίνουν την ιδέα της επεξεργασίας φυσικής γλώσσας, όπου τμήματα του λόγου φέρουν ετικέτα για να αντιπροσωπεύουν στοιχεία μιας δομής κειμένου - άλλα παραδείγματα περιλαμβάνουν την οπτική αναγνώριση χαρακτήρων, όπου ένα πρόγραμμα εκμάθησης μηχανής αναγνωρίζει χειρόγραφες λέξεις με την ανάλυση τμημάτων μιας δεδομένης εισόδου ή περίπλοκη εικόνα όπου οι υπολογιστές μαθαίνουν να αναγνωρίζουν αντικείμενα που βασίζονται σε κατακερματισμένη είσοδο, για παράδειγμα με συνελικτικό νευρωνικό δίκτυο που αποτελείται από πολλά "στρώματα".
Οι εμπειρογνώμονες θα μπορούσαν να μιλήσουν για τη γραμμική ταξινόμηση πολλαπλών κλάσεων, τις λειτουργίες γραμμικής συμβατότητας και άλλες τεχνικές βάσης για τη δημιουργία δομημένων προβλέψεων. Σε μια πολύ γενική έννοια, οι δομημένες προβλέψεις βασίζονται σε ένα διαφορετικό μοντέλο από το ευρύτερο πεδίο της εποπτευόμενης μηχανικής μάθησης - να επιστρέψουμε στο παράδειγμα των δομημένων προβλέψεων στην επεξεργασία της φυσικής γλώσσας και να επισημάνουμε φωνήματα ή λέξεις, βλέπουμε ότι η χρήση της σήμανσης για η εποπτευόμενη μηχανική μάθηση είναι προσανατολισμένη προς το ίδιο το δομικό μοντέλο - το ουσιαστικό κείμενο που παρέχεται, ίσως σε σετ δοκιμών και σύνολα εκπαίδευσης.
Στη συνέχεια, όταν το πρόγραμμα εκμάθησης μηχανών αφήνεται χαλαρά για να κάνει τη δουλειά του, βασίζεται στο δομικό μοντέλο. Αυτό εξηγεί μερικοί από τους τρόπους με τους οποίους το πρόγραμμα κατανοεί πώς να χρησιμοποιούν τμήματα λόγου όπως ρήματα, επιρρήματα, επίθετα και ουσιαστικά, αντί να τα συγχέουν με άλλα μέρη του λόγου ή να μην είναι σε θέση να διακρίνουν τον τρόπο λειτουργίας τους σε ένα παγκόσμιο πλαίσιο . (Διαβάστε πώς είναι δομημένα τα δεδομένα σας; Εξετάζοντας δομημένα, μη δομημένα και ημι-δομημένα δεδομένα.)
Το πεδίο της δομημένης πρόβλεψης παραμένει βασικό μέρος της μηχανικής μάθησης καθώς εξελίσσονται διάφοροι τύποι μηχανικής μάθησης και τεχνητής νοημοσύνης.
