masinõppemudelit

Masinõppemudel on statistiline või algoritmiline struktuur, mis on loodud masinõppe protsessi abil, et teha prognoose või otsuseid. See mudel õpib andmekogumist ja tuvastab selles esinevaid mustreid või seoseid. Eesmärk on rakendada õpitud teadmisi uute, varem nägemata andmete peale.

Treeningfaasis toidetakse mudelile suur hulk andmeid, mis sisaldavad nii sisendandmeid kui ka soovitud väljundit. Mudeli algoritm kohandab oma sisemisi parameetreid, et minimeerida erinevust prognoositud ja tegeliku väljundi vahel. Selle tulemusel "õpib" mudel tegema funktsionaalseid seoseid sisendite ja väljundite vahel.

Pärast treeningut saab mudelit kasutada hindamiseks. Kui mudelile antakse uus sisendandmete komplekt, millele vastavat väljundit ei ole teada, genereerib mudel prognoosi või klassifitseerib selle. Masinõppemudelid jagunevad laias laastus juhendatud õppeks (supervised learning), juhendamata õppeks (unsupervised learning) ja tugevdusõppeks (reinforcement learning), millest igaühel on oma lähenemine andmete töötlemisele ja eesmärkide saavutamisele. Mudeli tõhusus sõltub nii treeningandmete kvaliteedist ja kvantiteedist kui ka sobiva algoritmi valikust.