Q:
Hvorfor er kommentarer om data viktig i noen maskinlæringsprosjekter?
EN:Datamerknad er viktig i maskinlæring fordi det i mange tilfeller gjør arbeidet med maskinlæringsprogrammet mye enklere.
Dette har å gjøre med forskjellen mellom veiledet og uovervåket maskinlæring. Med veiledet maskinlæring er treningsdataene allerede merket slik at maskinen kan forstå mer om de ønskede resultatene. For eksempel, hvis formålet med programmet er å identifisere katter i bilder, har systemet allerede et stort antall bilder merket som katt eller ikke. Deretter bruker de eksemplene for å kontrastere nye data for å oppnå resultater.
| Gratis nedlasting: Machine Learning og Why It Matters |
Med maskinlæring uten tilsyn er det ingen merkelapper, og systemet må derfor bruke attributter og andre teknikker for å identifisere kattene. Ingeniører kan trene programmet på å gjenkjenne visuelle funksjoner hos katter som kinnskjegg eller haler, men prosessen er neppe så grei som den ville være i veiledet maskinlæring der disse etikettene spiller en veldig viktig rolle.
Datamerking er prosessen med å påføre etiketter på treningsdatasettene. Disse kan brukes på mange forskjellige måter - ovenfor snakket vi om binær dataarkommentasjon - katter eller ikke katter - men andre typer dataarmerkning er også viktige. For eksempel kan det i det medisinske feltet dataarmentering innebære å merke spesifikke biologiske bilder med koder som identifiserer patologi eller sykdomsmarkører for andre medisinske egenskaper.
Datamerking tar arbeid - og gjøres ofte av team - men det er en grunnleggende del av det som får mange maskinlæringsprosjekter til å fungere nøyaktig. Den gir det første oppsettet for å lære et program hva det trenger å lære og hvordan man kan diskriminere ulike innganger for å komme med nøyaktige utganger.
