Masinõppemudeleid

Masinõppemudel on arvutustehnikas kasutatav matemaatiline või statistiline mudel, mille treenitakse suurte andmekogumite abil. Eesmärk on teha prognoose, klassifitseerida objekte või teha otsuseid uute andmete põhjal. Mudelid õpivad andmete mustrite ja seoste põhjal ning suudavad üldistada näidete välistele olukordadele.

Treeningprotsess hõlmab andmete kogumist, puhastamist ja ettevalmistamist, andmete jaotamist treening- ning hindamiskogudeks ning mudeli arhitektuuride ja hüperparameetrite valimist. Pärast treeningut hinnatakse mudelit sobivate metrikatega ning vajadusel tehakse reguleerimist ja ümberõpet. Töökorralduse oluline osa on mudeli valideerimine ja ennetav testimine, et vältida liigset sooritust treeningandmetele.

Peamised tüübid on juhendatud õpe, juhendamata õpe ja tugevdusõpe. Juhendatud õpe hõlmab ülesandeid, kus sisendil on ette antud sihtväärtus; levinud alamliigid on regressioon (numbriliste väärtuste ennustamine) ja klassifikatsioon (katsete eristamine kategooriatesse). Juhendamata õpe tegutseb märgistusteta andmetega ning hõlmab klasterdamist ja mõõtmete vähendamist (nt PCA). Tugevdusõpe õpetab agenti tegutsema keskkonnas, et maksimeerida pikaajalist tasu, kasutades saadud tagasisidet tehtud otsuste tulemustest.

Hindamine toimub erinevate metricitega, nagu täpsus, tundlikkus ja spetsiifilisus klassifikatsioonis ning RMSE või MAE regresseerimisel; korraldada võib ka ristsõelde- või ajastusvalideerimist. Olulised piirangud on andmekvaliteet, kaasatusevõime, suurenenud kallutatus, overfitting ning mudeli interpretatsioon. Rakendused hõlmavad pilditöötlust, kõnetöötlust, finantsprognoose, soovitussüsteeme ja tööstuslikku ennetavat hooldust.