Luận Văn Nghiên cứu về học máy và phương pháp học khái niệm

CHƯƠNG 1: Tổng quan về học máy
1.1 . Tổng quan
Học máy (Machine Learning) là một ngành khoa học nghiên cứu các thuật
toán cho phép máy tính có thể học được các khái niệm (concept).
Phân loại: Có hai loại phương pháp học máy chính
Phương pháp quy nạp: Máy học/phân biệt các khái niệm dựa trên dữ
liệu đã thu thập được trước đó. Phương pháp này cho phép tận dụng
được nguồn dữ liệu rất nhiều và sẵn có.
Phương pháp suy diễn: Máy học/phân biệt các khái niệm dựa vào các
luật. Phương pháp này cho phép tận dụng được các ki ến thức chuyên
ngành để hỗ trợ máy tính.
Hiện nay, các thuật toán đều cố gắng tận dụng được ưu điểm của hai phương
pháp này.
Các ngành khoa học liên quan:
Lý thuyết thống kê: các kết quả trong xác suất thống kê là tiền đề cho
rất nhiều phương pháp học máy. Đặc biệt, lý thuyết thống kê cho phép
ước lượng sai số của các phương pháp học máy.
Các phương pháp tính: các thuật toán học máy thường sử dụng các tính
toán số thực/số nguyên trên dữ liệu rất lớn. Trong đó, các bài toán như:
tối ưu có/không ràng buộc, giải phương trình tuyến tính v.v được sử
dụng rất phổ biến.
Khoa học máy tính: là cơ sở để thiết kế các thuật toán, đồng thời đánh
giá thời gian chạy, bộ nhớ của các thuật toán học máy.
Các nhóm giải thuật học máy:
Học có giám sát: Máy tính được xem một số mẫu gồm đầu vào (input)
và đầu ra (output) tương ứng trước. Sau khi học xong các mẫu này,
máy tính quan sát một đầu vào mới và cho ra kết quả.
Học không giám sát: Máy tính chỉ được xem các mẫu không có đầu ra,
sau đó máy tính phải tự tìm cách phân loại các mẫu này và các mẫu
mới.
Học nửa giám sát: Một dạng lai giữa hai nhóm giải thuật trên.
Học tăng cường: Máy tính đưa ra quyết định hành động (action) và
nhận kết quả phản hồi (response/reward) từ môi trường (environment).
Sau đó máy tính tìm cách chỉnh sửa cách ra quyết định hành động của
mình.