Q:
Bagaimana para profesional pembelajaran mesin menggunakan prediksi terstruktur?
SEBUAH:Profesional pembelajaran mesin menggunakan prediksi terstruktur dalam banyak cara, biasanya dengan menerapkan beberapa bentuk teknik pembelajaran mesin untuk tujuan atau masalah tertentu yang dapat mengambil manfaat dari titik awal yang lebih teratur untuk analisis prediksi.
Definisi teknis prediksi terstruktur melibatkan "memprediksi objek terstruktur daripada nilai skalar diskrit atau nyata."
Cara lain untuk mengatakan itu adalah bahwa alih-alih hanya mengukur variabel individu dalam ruang hampa, prediksi terstruktur bekerja dari model struktur tertentu, dan menggunakannya sebagai dasar untuk belajar dan membuat prediksi. (Baca Bagaimana AI Dapat Membantu dalam Prediksi Kepribadian?)
Teknik-teknik untuk prediksi terstruktur sangat bervariasi - dari teknik Bayesian hingga pemrograman logika induktif, jaringan logika Markov dan mesin vektor dukungan terstruktur atau algoritma tetangga terdekat, para profesional pembelajaran mesin memiliki perangkat yang luas yang siap digunakan untuk diterapkan pada masalah data.
Apa yang umum dalam ide-ide ini adalah penggunaan beberapa struktur dasar yang mendasari karya pembelajaran mesin.
Para ahli sering memberikan ide pemrosesan bahasa alami, di mana bagian-bagian ucapan ditandai untuk mewakili elemen-elemen struktur teks - contoh lain termasuk pengenalan karakter optik, di mana program pembelajaran mesin mengenali kata-kata tulisan tangan dengan menguraikan segmen input yang diberikan, atau gambar kompleks pemrosesan, di mana komputer belajar mengenali objek berdasarkan input tersegmentasi, misalnya, dengan jaringan saraf convolutional yang terdiri dari banyak "lapisan".
Para ahli mungkin berbicara tentang klasifikasi multikelas linier, fungsi kompatibilitas linier, dan teknik dasar lainnya untuk menghasilkan prediksi terstruktur. Dalam pengertian yang sangat umum, prediksi terstruktur dibangun pada model yang berbeda dari bidang pembelajaran mesin yang diawasi secara lebih luas - untuk kembali ke contoh prediksi terstruktur dalam pemrosesan bahasa alami dan menandai fonem atau kata, kita melihat bahwa penggunaan label untuk pembelajaran mesin yang diawasi berorientasi pada model struktural itu sendiri - teks bermakna yang disediakan, mungkin dalam set tes dan set pelatihan.
Kemudian, ketika program pembelajaran mesin dilepaskan untuk melakukan tugasnya, itu didasarkan pada model struktural. Itu, kata para ahli, menjelaskan beberapa bagaimana program memahami bagaimana memanfaatkan bagian-bagian pembicaraan seperti kata kerja, kata keterangan, kata sifat dan kata benda, daripada salah mengartikannya sebagai bagian lain dari pembicaraan, atau tidak mampu membedakan bagaimana mereka bekerja dalam konteks global . (Baca Bagaimana Terstruktur Data Anda? Memeriksa Data Terstruktur, Tidak Terstruktur, dan Semi-Terstruktur.)
Bidang prediksi terstruktur tetap menjadi bagian penting dari pembelajaran mesin karena berbagai jenis pembelajaran mesin dan kecerdasan buatan berkembang.
