機械学習ソフトウェアの確率の役割は何ですか？

Question

学習プログラムで使用されるいくつかのコンポーネントとテクニックがあります。機械学習コンポーネントには、ANN、ベイジアンネットワーク、SVM、PCAおよび他の確率ベースの方法が含まれる。ベイジアンネットワークベースのテクニックは機械学習でどのような役割を果たしますか？

これらのコンポーネントの1つまたは複数をアプリケーションに統合することで実際のソリューションにつながり、ソフトウェアが限られた知識をどのように処理し、十分に信頼性の高い結果を引き出すのかを知ることも役立ちます。

Answer 1

確率と学習は

確率は、すべての学習において役割を果たしています。シャノンの情報理論を適用すると、極端な0.0または1.0のいずれかへの確率の移動は情報です。 Shannonは仮説の前後の確率のlog_2の商としてビットを定義しました。仮説の確率および論理反転を考えると、どちらの確率も増加しなければ、情報ビットは学習されていない。

ベイズは

ベイジアンネットワークは、因果関係の仮説を表すグラフを向けられているアプローチ。それらは、一般的に、仮想の原因および対応する効果を表す矢印によって接続された状態のノードとして表されます。ベイズの定理に基づいてアルゴリズムが開発され、ベイズの定理は、収集された、または収集されているデータから因果関係を統計的に分析しようとします。

マイナーサイド注：分析ツールには、しばしば使用制限があります。ほとんどのベイジアンアルゴリズムでは、有向グラフが非周期的である必要があります。これは、グラフ内の任意の2つ以上のノード間に一連の矢印が存在せず、まったく時計回りまたは完全に反時計回りの閉ループを作成しないことを意味します。これは無限ループを避けるためですが、サイクルを処理し、数学理論やソフトウェアのユーザビリティの観点からシームレスに処理するアルゴリズムが現在または将来に存在する可能性があります。学習

学習への適用に

アプリケーションを使用することができる計算された確率は、電位制御機構を予測することです。学習のためのリトマステストは、コントロールを通して未来を確実に変える能力です。重要なアプリケーションは、手書きによるメールのソートです。ニューラルネットとNaive Bayesianクラシファイアは、ルーティングやマニピュレーションロボットに統合された一般的なパターン認識に役立ちます。

ここで、ネットワークという用語は非常に広い意味を持つことに注意してください。ニューラルネットは、ベイジアンネットワークと同じアプローチではありませんが、同様の問題解決トポロジに適用される可能性があります。システム設計者は、多変量時系列分析にサポートベクターマシン、主成分分析、ニューラルネット、及びベイジアンネットワークを使用していますどのように他のアプローチとメカニズム

（MTSA）へ

の関係は、著者からの著者に変わります。それらがどのように結びついているかは、サイズ、スキュー、希薄さ、および次元数を含む、データセットの問題領域および統計的性質にも依存する。

このリストには、はるかに大きなマシン学習ツールセットが4つしか含まれていません。たとえば、Fuzzy Logicは重みと生産システム（ルールベース）アプローチを組み合わせています。

年も要因です。来るべき答えは、来年には失礼かもしれない。もし私が10年前に与えられたのと同じ予測または制御目標を与えられたソフトウェアを書くならば、私はいろいろな技術を全く違った方法で組み合わせるかもしれません。私は確かに、システムトポロジーを描く前に、読んだり分析したりするために、数多くの追加の図書館や比較研究をしています。

フィールドはかなりアクティブです。