Q:
Wie nutzen Profis des maschinellen Lernens die strukturierte Vorhersage?
EIN:Experten für maschinelles Lernen setzen strukturierte Vorhersage auf vielfältige Weise ein, indem sie in der Regel irgendeine Form von maschinellem Lernen auf ein bestimmtes Ziel oder Problem anwenden, das von einem geordneteren Ausgangspunkt für prädiktive Analysen profitieren kann.
Eine technische Definition der strukturierten Vorhersage beinhaltet "Vorhersage von strukturierten Objekten anstelle von skalaren diskreten oder reellen Werten".
Eine andere Möglichkeit, dies zu sagen, besteht darin, dass strukturierte Vorhersagen nicht einfach nur einzelne Variablen im Vakuum messen, sondern von einem Modell einer bestimmten Struktur ausgehen und dies als Grundlage für das Lernen und Vorhersagen verwenden. (Lesen Sie, wie AI bei der Persönlichkeitsvorhersage helfen kann.)
Die Techniken für die strukturierte Vorhersage sind sehr unterschiedlich - von Bayes'schen Techniken über die induktive Logikprogrammierung bis hin zu Markov-Logiknetzwerken und strukturierten Support-Vektor-Maschinen oder Algorithmen für die nächsten Nachbarn verfügen die Experten des maschinellen Lernens über ein breites Instrumentarium, um Datenprobleme zu lösen.
Was diesen Ideen gemeinsam ist, ist die Verwendung einer zugrunde liegenden Struktur, auf der die maschinelle Lernarbeit von Natur aus basiert.
Experten denken häufig an die Verarbeitung natürlicher Sprache, bei der Teile der Sprache mit Tags versehen werden, um Elemente einer Textstruktur darzustellen. Andere Beispiele sind die optische Zeichenerkennung, bei der ein maschinelles Lernprogramm handgeschriebene Wörter erkennt, indem Segmente einer bestimmten Eingabe oder ein komplexes Bild analysiert werden Verarbeitung, bei der Computer anhand segmentierter Eingaben lernen, Objekte zu erkennen, beispielsweise mit einem neuronalen Faltungsnetzwerk, das aus vielen "Schichten" besteht.
Experten sprechen möglicherweise über lineare Mehrklassenklassifikation, lineare Kompatibilitätsfunktionen und andere Basistechniken zur Erzeugung strukturierter Vorhersagen. Im Allgemeinen bauen strukturierte Vorhersagen auf einem anderen Modell auf als das übergeordnete Feld des überwachten maschinellen Lernens - um auf das Beispiel strukturierter Vorhersagen in der Verarbeitung natürlicher Sprache und markierter Phoneme oder Wörter zurückzukommen, sehen wir, dass die Verwendung der Kennzeichnung für überwachtes maschinelles lernen orientiert sich am strukturmodell selbst - dem aussagekräftigen text, der vielleicht in test- und trainingssätzen geliefert wird.
Wenn das maschinelle Lernprogramm dann seine Arbeit verliert, basiert es auf dem Strukturmodell. Experten sagen, dies erklärt, wie das Programm Teile der Sprache wie Verben, Adverbien, Adjektive und Substantive zu verwenden versteht, anstatt sie mit anderen Teilen der Sprache zu verwechseln oder nicht in der Lage zu sein, zu unterscheiden, wie sie in einem globalen Kontext funktionieren . (Lesen Sie, wie strukturiert Ihre Daten sind? Untersuchen von strukturierten, unstrukturierten und halbstrukturierten Daten.)
Das Gebiet der strukturierten Vorhersage bleibt ein Schlüsselelement des maschinellen Lernens, da sich verschiedene Arten des maschinellen Lernens und der künstlichen Intelligenz entwickeln.
