[eduexe-intent]other[/eduexe-intent]
Wyobraźmy sobie, że system UM ma klasyfikować eseje uczniów na "Zaliczone" i "Niezaliczony".
Uczenie Maszynowe (UM) uczy się reguł oceny z przykładów (danych z etykietami "Zaliczone"/"Niezaliczony"), zamiast być programowanym. [eduexe-source]7:1[/eduexe-source] [eduexe-source]7:6[/eduexe-source]
Model to "wiedza" systemu, a algorytm to metoda, jaką się uczy. [eduexe-source]7:1[/eduexe-source]
Funkcja straty mierzy błędy w ocenie, a optymalizacja je minimalizuje. [eduexe-source]7:1[/eduexe-source]
To przykład klasyfikacji w uczeniu nadzorowanym. [eduexe-source]7:8[/eduexe-source]