Machinaal leren
Automatisch leren, machinaal leren of machine learning is een breed onderzoeksveld binnen kunstmatige intelligentie, dat zich bezighoudt met de ontwikkeling van algoritmes en technieken waarmee computers kunnen leren.
De methodes zijn te verdelen in twee ruwe categorieën: aanleidinggevend en deductief. Aanleidinggevende methodes creëren computerprogramma's door het vormen van regels of het extraheren van patronen uit data. Deductieve methoden hebben als resultaat een functie die net zo generiek is als de invoerdata.
Automatisch leren is sterk gerelateerd aan statistiek, aangezien beide velden de studie van data analyseren. Automatisch leren is meer gericht op de algoritmische complexiteit of de implementatie in programma's. Het is ook gerelateerd aan datamining, waarin op een geautomatiseerde manier patronen en relaties worden gezocht in grote hoeveelheden gegevens.
Veel leerproblemen zijn NP-hard of moeilijker, dus een belangrijk onderdeel van dit vakgebied is algoritmes te ontwikkelen die de oplossing benaderen.
Methodes
Methodes voor machinaal leren zijn onderverdeeld in een typologie:
- gecontroleerd leren
- het algoritme krijgt voorbeelden van invoer en bijbehorende uitvoer. Het leert op basis van deze voorbeelden hoe de eigenschappen van de invoer bepalend zijn voor de uitvoer. Na de leerfase kan het algoritme ook voor nieuwe invoer zelfstandig de juiste uitvoer produceren. Een veel gebruikte probleemvorm is classificatie, waarbij de invoerelementen ingedeeld moeten worden in groepen. Voorbeelden zijn beslisboomalgoritmes C4.5 en Support Vector Machines
- ongecontroleerd leren
- er zijn geen voorbeelden van de gewenste uitvoer; het algoritme ontdekt zelf een structuur in de gegeven invoer. Dit kan bijvoorbeeld door de invoer te verdelen in groepen van elementen die op elkaar lijken, zoals bij k-gemiddeld clusteranalyse.
- semigecontroleerd leren
- een combinatie van bovenstaande manieren.
- ondersteund leren
- het algoritme leert een gedrag in relatie tot zijn wereld en op basis van zijn succes past het zichzelf aan. Een goed voorbeeld is een genetisch algoritme
- transductieleren
- een relatief zeldzame methodiek die erg lijkt op gecontroleerd leren, maar in plaats van het voorspellen van generieke regels worden datuminstanties voorspeld.
Gebruikt in
- Bio-informatica om onder andere eiwitfuncties te voorspellen.
- Natuurlijke taalverwerking, onder andere om de functie van woorden in een zin te bepalen.
- Audiovisuele dataverwerking, onder andere voor het oplossen van visuele of audiocaptchas.
- Spamfilters om automatisch te bepalen welke e-mailberichten potentieel ongewenst zijn en welke niet.
Voorbeelden van machinaal leren
Zie ook
Bronnen, noten en/of referenties
|