기계 학습 전문가는 구조적 예측을 어떻게 사용합니까? eval (ez_write_tag ([[320,50], techopedia_com-under_page_title, ezslot_8,242,0,0]));

콘텐츠

• 큐:
• 에이:

큐:

기계 학습 전문가는 구조적 예측을 어떻게 사용합니까?

에이:

머신 러닝 전문가는 일반적으로 예측 분석을 위해보다 정돈 된 출발점에서 혜택을 얻을 수있는 특정 목표 나 문제에 어떤 형태의 머신 러닝 기법을 적용함으로써 다양한 방식으로 구조화 된 예측을 사용합니다.

구조적 예측의 기술적 정의에는 "스칼라 이산 또는 실제 값이 아닌 구조화 된 객체 예측"이 포함됩니다.

또 다른 방법은 진공에서 개별 변수를 단순히 측정하는 대신 특정 구조의 모델에서 구조화 된 예측이 작동하고이를 학습 및 예측의 기초로 사용하는 것입니다. (인공 예측에 AI가 어떻게 도움이 될 수 있습니까?를 읽어보십시오.)

구조적 예측 기술은 베이지안 기술에서 유도 논리 프로그래밍, Markov 논리 네트워크 및 구조적 지원 벡터 머신 또는 가장 가까운 인접 알고리즘에 이르기까지 매우 다양합니다. 머신 러닝 전문가는 데이터 문제에 적용 할 수있는 광범위한 툴 세트를 보유하고 있습니다.

이 아이디어에서 공통적 인 것은 기계 학습 작업이 본질적으로 기반을 둔 일부 기본 구조를 사용한다는 것입니다.

전문가들은 종종 언어의 일부가 구조의 요소를 나타 내기 위해 태깅되는 자연 언어 처리에 대한 아이디어를 제공합니다. 다른 예로는 광학 문자 인식, 기계 학습 프로그램이 주어진 입력의 세그먼트를 파싱하여 필기 단어를 인식하거나 복잡한 이미지 처리가 있습니다. 예를 들어 컴퓨터는 많은 "레이어"로 구성된 컨볼 루션 신경망과 같이 세그먼트 화 된 입력을 기반으로 객체를 인식하는 방법을 배웁니다.

전문가들은 선형 다중 클래스 분류, 선형 호환성 함수 및 구조적 예측 생성을위한 기타 기본 기술에 대해 이야기 할 수 있습니다. 매우 일반적인 의미에서, 구조화 된 예측은 광범위한 감독 된 머신 러닝과는 다른 모델을 기반으로합니다. 자연 언어 처리 및 태그가 붙은 음소 또는 단어의 구조적 예측의 예로 돌아 가기 위해 감독 된 머신 러닝은 구조 모델 자체를 지향합니다. 테스트 세트 및 트레이닝 세트에서 제공되는 의미가 있습니다.

그런 다음 기계 학습 프로그램이 느슨하게 작동하여 구조 모델을 기반으로합니다. 전문가들은 말하기를 다른 어휘 부분에 대해 착각하거나 전역 적으로 작동하는 방식을 구별 할 수없는 대신 동사, 부사, 형용사 및 명사와 같은 품사를 활용하는 방법을 프로그램이 이해하는 방법에 대해 설명합니다. . (데이터의 구조는 어떻게 구성되어 있습니까? 구조화되고 구조화되지 않은 반 구조화 데이터를 검토하십시오.)

다양한 유형의 기계 학습 및 인공 지능이 발전함에 따라 구조적 예측 분야는 기계 학습의 핵심 부분으로 남아 있습니다.