Koneoppiminen

Wikipedia
Loikkaa: valikkoon, hakuun

Koneoppiminen on tekoälyn osa-alue, joka tutkitii adaptoituvia funktioita ja niiden ominaisuuksia. Oppimista on kahdenlaista: induktiivista ja deduktiivista. Induktiiviset koneoppimismenetelmät muodostavat sääntöjä ja malleja suurista tietojoukoista. Koneoppimisella on paljon yhteistä tilastotieteen kanssa, koska molemmissa tehdään päätelmiä aineistosta, mutta koneoppimisessa selvitetään ohjelmallisten toteutusten laskennallista vaativuutta. Monet päättelyongelmat ovat NP-kovia tai vaikeampia, joten koneoppimistutkimukseen kuuluu myös likimääräisten päättelyalgoritmien kehittäminen.

Algoritmityypit[muokkaa | muokkaa wikitekstiä]

Koneoppimisalgoritmit luokitellaan niille annettavan opetusdatan luonteen perusteella. Yleisimmät algoritmityypit ovat:

  • Ohjattu oppiminen — opetusdatasta tiedetään ennalta haluttu ulostulo
  • Vahvistusoppiminen — oppiminen tapahtuu mallin ja ympäristön jatkuvan vuorovaikutuksen seurauksena, kun ympäristöä havainnoiva agentti arvioi mallin tuottaman ulostulon hyvyyden
  • Ohjaamaton oppiminen — opetusdatasta ei tiedetä mitään ennalta

Sovelluskohteet[muokkaa | muokkaa wikitekstiä]

Koneoppimista sovelletaan mm. hakukoneissa, lääketieteellisissä diagnooseissa, bioinformatiikassa, luottokorttipetosten havaitsemisessa, osakemarkkinoiden analysoinnissa, DNA-sekvenssien luokittelussa, puheentunnistuksessa, käsinkirjoituksen tunnistamisessa, konenäössä, dokumenttien luokittelussa, tietokonepeleissä ja robottien liikuttamisessa.

Katso myös[muokkaa | muokkaa wikitekstiä]

Tämä tietotekniikkaan liittyvä artikkeli on tynkä. Voit auttaa Wikipediaa laajentamalla artikkelia.