Von Tom Taulli | Forbes
…
Überwachtes, unüberwachtes und verstärkendes Lernen
Von Justin Silver, dem Leiter der Abteilung Wissenschaft und Forschung bei PROS:
Es gibt drei große Kategorien des maschinellen Lernens: überwachtes, unüberwachtes und verstärkendes Lernen. Beim überwachten Lernen beobachtet die Maschine eine Reihe von Fällen (denken Sie bei "Fällen" an Szenarien wie "Das Wetter ist kalt und regnerisch") und deren Ergebnisse (z. B. "John wird an den Strand gehen") und lernt Regeln mit dem Ziel, die Ergebnisse unbeobachteter Fälle vorherzusagen (wenn John in der Vergangenheit gewöhnlich an den Strand gegangen ist, wenn es kalt und regnerisch war, wird die Maschine in Zukunft vorhersagen, dass John sehr wahrscheinlich an den Strand gehen wird, wenn das Wetter kalt und regnerisch ist). Beim unüberwachten Lernen beobachtet die Maschine eine Reihe von Fällen, ohne die Ergebnisse dieser Fälle zu beobachten, und lernt Muster, die es ihr ermöglichen, die Fälle in Gruppen mit ähnlichen Merkmalen zu klassifizieren (ohne zu wissen, ob John an den Strand gegangen ist, lernt die Maschine, dass "Das Wetter ist kalt und regnerisch" ähnlich ist wie "Es schneit", aber nicht wie "Es ist heiß draußen"). Beim Verstärkungslernen führt die Maschine Aktionen aus, um ein Ziel zu erreichen, erhält Rückmeldungen zu diesen Aktionen und lernt durch Versuch und Irrtum, Aktionen auszuführen, die zu einer besseren Erfüllung dieses Ziels führen (wenn die Maschine versucht, John dabei zu helfen, diese kalten und regnerischen Strandtage zu vermeiden, könnte sie John über einen bestimmten Zeitraum Vorschläge machen, ob er an den Strand gehen soll, aus Johns positiven und negativen Rückmeldungen lernen und ihre Vorschläge immer wieder aktualisieren).