maskinlæringsoppgave

En maskinlæringsoppgave er en spesifikk utfordring eller problem som et maskinlæringssystem er designet for å løse. Disse oppgavene definerer målet for treningen av en modell og bestemmer hvilke data som trengs og hvilke algoritmer som er mest hensiktsmessige. De vanligste maskinlæringsoppgavene kan grovt deles inn i veiledet læring, ikke-veiledet læring og forsterkningslæring.

Innen veiledet læring er klassifisering en sentral oppgave, der målet er å tildele en datapunkt til en av flere forhåndsdefinerte kategorier. Et eksempel er å identifisere om en e-post er spam eller ikke spam. Regresjon er en annen veiledet læringsoppgave, der målet er å forutsi en kontinuerlig numerisk verdi, som for eksempel å estimere boligpriser basert på ulike egenskaper.

Ikke-veiledet læring omfatter oppgaver som klynging, der målet er å gruppere lignende datapunkter uten forhåndskjente etiketter. Kundesegmentering er et typisk eksempel. Dimensjonsreduksjon, som ofte brukes for å forenkle data eller visualisering, er også en ikke-veiledet oppgave.

Forsterkningslæring innebærer at en agent lærer gjennom prøving og feiling ved å samhandle med et miljø. Målet er å maksimere en akkumulert belønning. Spill-spilling eller robotstyring er kjente anvendelser. Hver maskinlæringsoppgave krever spesifikke metoder for dataforberedelse, modellvalg og evaluering.