- Các thuật toán học máy được giám sát: Nó có thể áp dụng những gì đã
được học trong quá khứ vào dữ liệu mới bằng cách sử dụng các ví dụ được
gắn nhãn để dự đoán các sự kiện trong tương lai. Bắt đầu từ việc phân tích
một tập dữ liệu huấn luyện đã biết, thuật toán học tạo ra một hàm được
suy ra để đưa ra dự đoán về các giá trị đầu ra.
- Các thuật toán học máy không giám sát: Ngược lại, thuật toán học máy
không giám sát được sử dụng khi thông tin được sử dụng để đào tạo không
được phân loại cũng không được dán nhãn. Nghiên cứu học tập không
giám sát làm thế nào các hệ thống có thể suy ra một chức năng để mô tả
một cấu trúc ẩn từ dữ liệu không được gắn nhãn.
- Các thuật toán Machine Learning bán giám sát: Các thuật toán học
máy được giám sát bán nằm ở đâu đó giữa học tập có giám sát và không
giám sát, vì chúng sử dụng cả dữ liệu được gắn nhãn và không nhãn cho
đào tạo - thường là một lượng nhỏ dữ liệu được gắn nhãn và một lượng
lớn dữ liệu không được gắn nhãn. Các hệ thống sử dụng phương pháp này
có thể cải thiện đáng kể độ chính xác trong học tập.
- Thuật toán học máy gia cố:Các thuật toán học máy gia cố là một phương
pháp học tương tác với môi trường của nó bằng cách tạo ra các hành động
và phát hiện ra các lỗi hoặc manh mối. Thử nghiệm và tìm kiếm lỗi và
manh mối. Phương pháp này cho phép máy móc, máy tính với phần mềm
tự động xác định hành vi lý tưởng trong một bối cảnh cụ thể để tối đa hóa
hiệu suất của nó.
Một số ứng dụng của Machine learning:
Kỹ thuật lập trình PYTHON Giảng Viên Hướng Dẫn: TS. Lê Trọng Hiếu
26
- Khai phá dữ liệu (Data mining).
- Xử lý ngôn ngữ tự nhiên (Natural language processing)
- Nhận diện hình ảnh (Pattern recognition).
- Hệ chuyên gia (Expert systems).