Mikä on ML
Tämän kurssin koodin seuraamista varten on hyödyllistä suorittaa seuraavat kurssit ensin, elleivät nämä aiheet ole jo entuudestaan tuttuja:
Koneoppiminen (ML) on ohjelmoinnin lähestymistapa, jossa tietokoneet oppivat datasta ratkaisemaan tehtävän sen sijaan, että niille annettaisiin tarkat ohjeet.
Tarkastellaan esimerkkinä roskaposti/ei roskaposti -luokittelijaa.
Tällaisen järjestelmän rakentaminen perinteisellä ohjelmointitavalla (ilman koneoppimista) on haastavaa, sillä se vaatii yksityiskohtaisten sääntöjen kirjoittamista, jopa roskapostisanojen luettelon kokoamista käsin.
Koneoppimisen avulla malli koulutetaan monilla esimerkeillä roskaposti- ja tavallisista sähköposteista, ja se oppii tunnistamaan erottavat piirteet itsenäisesti.
Koulutukseen käytettyä dataa kutsutaan opetusjoukoksi. Tässä tapauksessa se koostuu sähköposteista, jotka on jo merkitty roskapostiksi tai tavalliseksi postiksi, mikä mahdollistaa mallin oppia molempien luokkien ominaispiirteet.
Koulutuksen jälkeen mallia arvioidaan testijoukolla – erillisellä kokoelmalla merkittyjä sähköposteja. Tämä vaihe tarkistaa, kuinka hyvin malli yleistää uuteen, ennennäkemättömään dataan.
Kiitos palautteestasi!
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
Can you explain more about how the training and test sets are created?
What are some common features used to classify emails as spam or ham?
How does the model actually learn to distinguish between spam and ham?
Awesome!
Completion rate improved to 3.13Mikä on ML
Pyyhkäise näyttääksesi valikon
Tämän kurssin koodin seuraamista varten on hyödyllistä suorittaa seuraavat kurssit ensin, elleivät nämä aiheet ole jo entuudestaan tuttuja:
Koneoppiminen (ML) on ohjelmoinnin lähestymistapa, jossa tietokoneet oppivat datasta ratkaisemaan tehtävän sen sijaan, että niille annettaisiin tarkat ohjeet.
Tarkastellaan esimerkkinä roskaposti/ei roskaposti -luokittelijaa.
Tällaisen järjestelmän rakentaminen perinteisellä ohjelmointitavalla (ilman koneoppimista) on haastavaa, sillä se vaatii yksityiskohtaisten sääntöjen kirjoittamista, jopa roskapostisanojen luettelon kokoamista käsin.
Koneoppimisen avulla malli koulutetaan monilla esimerkeillä roskaposti- ja tavallisista sähköposteista, ja se oppii tunnistamaan erottavat piirteet itsenäisesti.
Koulutukseen käytettyä dataa kutsutaan opetusjoukoksi. Tässä tapauksessa se koostuu sähköposteista, jotka on jo merkitty roskapostiksi tai tavalliseksi postiksi, mikä mahdollistaa mallin oppia molempien luokkien ominaispiirteet.
Koulutuksen jälkeen mallia arvioidaan testijoukolla – erillisellä kokoelmalla merkittyjä sähköposteja. Tämä vaihe tarkistaa, kuinka hyvin malli yleistää uuteen, ennennäkemättömään dataan.
Kiitos palautteestasi!
