Học Máy (Machine Learning)

Giới thiệu

Học máy (Machine Learning), trong lĩnh vực trí tuệ nhân tạo (một chủ đề thuộc khoa học máy tính), là ngành học nghiên cứu về việc triển khai các phần mềm máy tính có khả năng tự học một cách tự động.

Các hệ chuyên gia (expert systems) và chương trình khai phá dữ liệu (data mining) là những ứng dụng phổ biến nhất sử dụng học máy để cải thiện thuật toán.

Trong số các phương pháp phổ biến nhất có việc sử dụng mạng nơ-ron nhân tạo (artificial neural networks - các đường quyết định có trọng số) và thuật toán di truyền (genetic algorithms - các ký hiệu được 'nhân giống' và chọn lọc bởi thuật toán để tạo ra các chương trình ngày càng phù hợp hơn).

Các phương pháp Học máy

Học máy bao gồm một số phương pháp chính cho phép máy tính cải thiện hiệu suất thông qua kinh nghiệm.

Học có giám sát (Supervised Learning) liên quan đến việc huấn luyện mô hình trên dữ liệu có nhãn, trong đó các đầu ra đúng đã được biết trước. Thuật toán học cách ánh xạ đầu vào thành đầu ra dựa trên các cặp ví dụ.

Học không giám sát (Unsupervised Learning) khám phá các mẫu ẩn trong dữ liệu mà không có phản hồi được gán nhãn, thường được sử dụng để phân cụm (clustering) và giảm chiều dữ liệu (dimensionality reduction).

Học tăng cường (Reinforcement Learning) huấn luyện các tác tử (agents) đưa ra chuỗi quyết định bằng cách thưởng cho các hành vi mong muốn và phạt các hành vi không mong muốn.