obsidian-life/Машинное обучение.md

Машинное обучение — это научная дисциплина, которая наделяет компьютеры способностью учиться, не будучи явно запрограммированными. — Артур Самуэль, 1959 год

Говорят, что компьютерная программа обучается на основе опыта E по отношению к некоторой задаче T и некоторой оценке эффективности P, если ее эффективность на T, измеренная посредством P, улучшается благодаря опыту E. — Том Митчелл, 1997 год

Примеры, которые система использует для обучения называются Машинное обучение. Training set Каждый обучающий пример называется Машинное обучение. Training set#^3c7795.

[!Пример] Возьмём как пример фильтр спама, который способен научиться отличать спам–сообщения на заданных примерах. В этом случае, задача T — это фильтрация спама, опыт E — это Машинное обучение. Training set. Однако, оценка эффективности P нуждается в определении. Коэффициент корректно классифицированных почтовых сообщений называется точностью (accuracy) и частно используется в задачах Машинное обучение. Классификация

Жерон в О. Жерон. Прикладное машинное обучение с помощью Scikit-Learng, Keras и TenserFlow даётся следующее определение машинному обучению:

Машинное обучение представляет собой науку (и искусство) программирования компьютеров для того, чтобы они могли обучаться на основе данных.

Но, я бы дал ещё, более философское определение:

Машинное обучение — это способ выявлять сложно(или невозможно)-описываемых закономерностей для вероятностного предсказания резлультатов.

!Машинное обучение. Сценарии применения

!Машинное обучение. Классификации систем машинного обучения