Q:
Bagaimana "jalan acak" dapat membantu dalam algoritma pembelajaran mesin?
SEBUAH:Dalam pembelajaran mesin, pendekatan "jalan acak" dapat diterapkan dalam berbagai cara untuk membantu teknologi menyaring set data pelatihan besar yang memberikan dasar bagi pemahaman akhir alat berat.
Jalan acak, secara matematis, adalah sesuatu yang dapat dijelaskan dalam beberapa cara teknis yang berbeda. Beberapa menggambarkannya sebagai kumpulan variabel acak; yang lain mungkin menyebutnya "proses stokastik." Apapun, jalan acak merenungkan skenario di mana set variabel mengambil path yang merupakan pola berdasarkan kenaikan acak, menurut set integer: Misalnya, jalan kaki di garis bilangan di mana variabel bergerak plus atau minus satu pada setiap langkah .
| Unduh Gratis: Pembelajaran Mesin dan Mengapa Itu Penting |
Dengan demikian, jalan acak dapat diterapkan pada algoritma pembelajaran mesin. Salah satu contoh populer yang dijelaskan dalam sepotong di Wired berlaku untuk beberapa teori inovatif tentang bagaimana jaringan saraf dapat bekerja untuk mensimulasikan proses kognitif manusia. Mencirikan pendekatan berjalan acak dalam skenario pembelajaran mesin Oktober lalu, Penulis kabel Natalie Wolchover menghubungkan banyak metodologi dengan pelopor sains data Naftali Tishby dan Ravid Shwartz-Ziv, yang menyarankan peta jalan untuk berbagai tahapan aktivitas pembelajaran mesin. Secara khusus, Wolchover menjelaskan "fase kompresi" yang terkait dengan memfilter fitur atau aspek yang tidak relevan atau semi-relevan dalam bidang gambar sesuai dengan tujuan program.
Gagasan umum adalah bahwa, selama proses yang kompleks dan multi-langkah, mesin bekerja untuk "mengingat" atau "melupakan" berbagai elemen bidang gambar untuk mengoptimalkan hasil: Pada fase kompresi, program dapat digambarkan sebagai "zeroing di "pada fitur penting dengan mengesampingkan yang periferal.
Para ahli menggunakan istilah "keturunan gradien stokastik" untuk merujuk pada jenis kegiatan ini. Cara lain untuk menjelaskannya dengan semantik yang kurang teknis adalah bahwa pemrograman aktual dari algoritma berubah dengan derajat atau iterasi, untuk "menyempurnakan" bahwa proses pembelajaran yang berlangsung sesuai dengan "langkah berjalan acak" yang pada akhirnya akan mengarah pada beberapa bentuk perpaduan.
Sisa mekanika sangat rinci, karena insinyur bekerja untuk memindahkan proses pembelajaran mesin melalui fase kompresi dan pentahapan terkait lainnya. Gagasan yang lebih luas adalah bahwa teknologi pembelajaran mesin berubah secara dinamis selama masa evaluasi perangkat pelatihan besar: Alih-alih melihat kartu flash yang berbeda dalam setiap kasus, mesin melihat kartu flash yang sama beberapa kali, atau menarik kartu flash pada acak, memandang mereka dengan cara yang berubah, berulang, acak.
Pendekatan random walk di atas bukanlah satu-satunya cara random walk dapat diterapkan pada pembelajaran mesin. Dalam setiap kasus di mana pendekatan acak diperlukan, jalan acak mungkin menjadi bagian dari perangkat matematika atau alat ilmuwan data, untuk, sekali lagi, memperbaiki proses pembelajaran data dan memberikan hasil yang unggul dalam bidang yang muncul dengan cepat.
Secara umum, jalan acak dikaitkan dengan hipotesis matematika dan sains data tertentu. Beberapa penjelasan paling populer tentang jalan acak berkaitan dengan pasar saham dan grafik saham individu. Seperti yang dipopulerkan di Burton Malkiel "A Random Walk Down Wall Street, " beberapa hipotesis ini berpendapat bahwa aktivitas masa depan suatu saham pada dasarnya tidak diketahui. Namun, yang lain menunjukkan bahwa pola jalan acak dapat dianalisis dan diproyeksikan, dan bukan kebetulan bahwa sistem pembelajaran mesin modern sering diterapkan pada analisis pasar saham dan perdagangan harian. Mengejar pengetahuan di bidang teknologi adalah dan selalu terjalin dengan pengejaran pengetahuan tentang uang, dan gagasan untuk menerapkan perjalanan acak ke pembelajaran mesin tidak terkecuali. Di sisi lain, jalan acak sebagai fenomena dapat diterapkan pada algoritma apa pun untuk tujuan apa pun, menurut beberapa prinsip matematika yang disebutkan di atas. Insinyur mungkin menggunakan pola jalan acak untuk menguji teknologi ML, atau mengarahkannya ke arah pemilihan fitur, atau untuk penggunaan lain yang terkait dengan kastil Bizantium raksasa di udara yang merupakan sistem ML modern.
