Get Started. It's Free
or sign up with your email address
Rocket clouds
Machine Learning by Mind Map: Machine Learning

1. Định nghĩa

1.1. Theo Arthur Samuel (1959): Maching learning là một ngành học thuộc khoa học máy tính, giúp máy tính có khả năng tự học mà không phải lập trình một cách rõ ràng.

1.2. Theo Giáo sư Tom Mitchell – Carnegie Mellon University: Machine Learning là 1 chương trình máy tính được nói là học hỏi từ kinh nghiệm E từ các tác vụ T và với độ đo hiệu suất P. Nếu hiệu suất của nó áp dụng trên tác vụ T và được đo lường bởi độ đo P tăng từ kinh nghiệm E

2. Diễn biến

2.1. là một trong những vấn đề quan trọng của học máy. Biểu diễn ở đây có thể hiểu làm sao ghi mã (encode) những thông tin của thế giới thật giúp hoàn thành nhiệm vụ một cách hiệu quả và đầy đủ nhất có thể.

3. Tính phổ quát

3.1. Một trong những trọng tâm khác của học máy là đạt được tính phổ quát (tiếng Anh: generalization), nói cách khác là tính chất của chương trình có thể làm việc tốt với dữ liệu mà nó chưa gặp bao giờ.

4. Tương tác với con người

4.1. Một số hệ thống học máy nỗ lực loại bỏ nhu cầu trực giác của con người trong việc phân tích dữ liệu, trong khi các hệ thống khác hướng đến việc tăng sự cộng tác giữa người và máy.

5. Tương quan với khai phá dữ liệu

5.1. Khai phá dữ liệu và học máy là hai khái niệm hay bị nhầm lẫn.

6. Các loại giải thuật

6.1. Supervised Learning (Học có giám sát)

6.1.1. trong đó, thuật toán tạo ra một hàm ánh xạ dữ liệu vào tới kết quả mong muốn. Một phát biểu chuẩn về một việc học có giám sát là bài toán phân loại: chương trình cần học (cách xấp xỉ biểu hiện của) một hàm ánh xạ một vevor

6.2. Unsupervised Learning (Học không giám sát)

6.2.1. mô hình hóa một tập dữ liệu, không có sẵn các ví dụ đã được gắn nhãn.

6.3. Semi-Supervised Learning (Học bán giám sát)

6.3.1. Các bài toán khi chúng ta có một lượng lớn dữ liệu X nhưng chỉ một phần trong chúng được gán nhãn được gọi là Semi-Supervised Learning. Những bài toán thuộc nhóm này nằm giữa hai nhóm được nêu bên trên.

6.4. Reinforcement Learning (Học tăng cường)

6.4.1. trong đó, thuật toán học một chính sách hành động tùy theo các quan sát về thế giới. Mỗi hành động đều có tác động tới môi trường, và môi trường cung cấp thông tin phản hồi để hướng dẫn cho thuật toán của quá trình học.

6.5. Chuyển đổi

6.5.1. tương tự học có giám sát nhưng không xây dựng hàm một cách rõ ràng. Thay vì thế, cố gắng đoán kết quả mới dựa vào các dữ liệu huấn luyện, kết quả huấn luyện, và dữ liệu thử nghiệm có sẵn trong quá trình huấn luyện.

6.6. Học cách học

6.6.1. trong đó thuật toán học thiên kiến quy nạp của chính mình, dựa theo các kinh nghiệm đã gặp.

7. Các chủ đề về máy học

7.1. Mô hình hóa các hàm mật độ xác suất điều kiện: hồi quy và phân loại

7.2. Mô hình hóa các hàm mật độ xác suất qua các mô hình phát sinh:

7.3. Các kỹ thuật suy luận xấp xỉ đúng: