Глоссарий

Направление искусственного интеллекта, связанное с разработкой и построением аналитических моделей, которые способны автоматически обнаружить в данных скрытые и ранее неизвестные закономерности, а также самостоятельно приобретать свойства, необходимые для реализации этих закономерностей.

Ключевым звеном машинного обучения является наличие в распоряжении исследователя набора данных, который описывает исследуемые объекты или процессы и отражает присущие им свойства и закономерности. Такой набор данных называется обучающей выборкой. Она может быть получена как совокупность наблюдений за развитием объекта или процесса в прошлом, создана экспертом или аналитиком на основе некоторых гипотез, аналогий, личного опыта и, возможно, интуиции. Примеры из обучающей выборки последовательно предъявляются модели, и в процессе этого она приобретает необходимые свойства. Данный процесс называется обучением модели, является итеративной процедурой, где на каждом шаге предъявляется объект данных из обучающей выборки и в соответствии с правилом, которое называется алгоритмом обучения, производится корректировка свойств модели. Обучение продолжается до тех пор, пока модель не достигнет способности выполнять требуемое преобразование с достаточной точностью. После того как модель обучена и протестирована, ее можно использовать для практического применения.

К числу широко используемых моделей, основанных на машинном обучении, относятся нейронные сети, деревья решений, карты Кохонена, ассоциативные правила и др.