koneoppimismallein
Koneoppimismallein (koneoppimismallit) ovat tilastollisia ja optimointiperusteisia malleja, joita käytetään oppimaan suuresta datasta piilotettuja rakenteita ja tekemään ennusteita, päätöksiä tai luokituksia uusilla datapisteillä ilman erikseen ohjelmoituja sääntöjä. Ne periytyvät tilastollisesta lähestymistavasta sekä kone- ja data-tieteestä, ja niiden suoritus riippuu sekä datan laadusta että oikeanlaisten algoritmien valinnasta.
Mallityyppejä on useita, mutta yleisimpiä ovat valvottu oppiminen, valvomaton oppiminen ja vahvistusoppiminen. Valvotussa oppimisessa syötteenä on
Koulutusprosessi vaatii datan jakamisen opetukseen ja testaukseen sekä usein validointia. Malli opetellaan säätämällä sen parametreja pienentämään
Yleisimmät algoritmit kattavat lineaariset mallit, logistiset mallit, päätöspuut, satunnaismetsät ja tukivektorikoneet sekä syvät neuroverkot. Lisäksi käytetään