mintázatfelismerést

Mintázatfelismerés olyan tudományos és technikai terület, amely adatokban rejlő mintákat és szabályszerűségeket felismer, majd ezek alapján osztályozást vagy előrejelzést végez. A folyamat jellemzők (feature) kiválasztása vagy kinyerése, valamint egy osztályozó vagy predikciós modell alkalmazása köré szerveződik.

Alkalmazási területei közé tartozik a számítógépes látás (objektum- és arcfelismerés), beszédfelismerés, biometria, szöveg- és bioinformatikai feldolgozás, valamint ipari adatelemzés és döntéstámogatás.

Módszertanilag felépítve felügyelt és felügyelet nélküli tanulás, valamint félig felügyelt megközelítések léteznek. Gyakori algoritmusok közé tartozik a k-legközelebbi szomszéd (k-NN), támogatott vektoriális gép (SVM), Gauss-keverék modellek (GMM), rejtett Markov-modellek (HMM) és különféle neurális hálózatok, különösen a mélytanulási architektúrák. A jó teljesítmény érdekében gyakran történik jellemzők kinyerése és dimenziócsökkentés.

Az értékelés során a pontosság, precizió, visszahívás (recall), F1-érték és ROC-AUC gyakori mérőszámok. Kihívások közé tartozik a túlilleszkedés, a zajos vagy hiányos adatok, a magas dimenzionalitás és az osztályok közötti egyenlőtlenség. Ennek kezelésére alkalmaznak például validációt, regularizációt, adatgazdagítást és dimenziócsökkentést, valamint figyelembe veszik az etikai és jogi kockázatokat is.