मशीन लर्निंग का परिचय

१.१ परिचय

मशीन लर्निंग के लिए धन्यवाद, प्रोग्रामर को उन निर्देशों को लिखने की आवश्यकता नहीं है जो सभी संभावित समस्याओं को ध्यान में रखते हैं और सभी समाधान होते हैं। इसके बजाय, एक कंप्यूटर (या एक अलग कार्यक्रम) को सांख्यिकीय डेटा के एकीकृत उपयोग के माध्यम से स्वतंत्र रूप से समाधान खोजने के लिए एक एल्गोरिथ्म के साथ निर्धारित किया जाता है जिसमें से पैटर्न प्राप्त होते हैं और जिसके आधार पर पूर्वानुमान बनाए जाते हैं।

डेटा विश्लेषण पर आधारित मशीन लर्निंग की तकनीक 1950 से पहले की है, जब उन्होंने चेकर्स खेलने के लिए पहले कार्यक्रमों को विकसित करना शुरू किया। पिछले दशकों में, सामान्य सिद्धांत नहीं बदला है। लेकिन कंप्यूटर की कंप्यूटिंग शक्ति में विस्फोटक वृद्धि के लिए धन्यवाद, उनके द्वारा बनाए गए कानून और पूर्वानुमान अधिक जटिल हो गए हैं और मशीन लर्निंग का उपयोग करके हल की गई समस्याओं और समस्याओं की सीमा का विस्तार हो गया है।

मशीन सीखने की प्रक्रिया शुरू करने के लिए, पहले आपको डेटासेट (इनपुट डेटा की एक निश्चित मात्रा) को कंप्यूटर में डाउनलोड करना होगा, जिस पर एल्गोरिथ्म अनुरोधों को संसाधित करना सीख जाएगा। उदाहरण के लिए, कुत्तों और बिल्लियों की तस्वीरें हो सकती हैं जिनके पास पहले से ही टैग हैं जो यह दर्शाते हैं कि वे किसके हैं। प्रशिक्षण प्रक्रिया के बाद, कार्यक्रम स्वयं कुत्तों और बिल्लियों को टैग सामग्री के बिना नई छवियों में पहचानने में सक्षम होगा। पूर्वानुमान जारी किए जाने के बाद भी सीखने की प्रक्रिया जारी है, हमने कार्यक्रम द्वारा जितना अधिक डेटा का विश्लेषण किया है, उतनी ही सटीक रूप से यह वांछित छवियों को पहचान लेगा।

मशीन सीखने के लिए धन्यवाद, कंप्यूटर तस्वीरों और ड्राइंग में न केवल चेहरे को पहचानना सीखते हैं, बल्कि परिदृश्य, ऑब्जेक्ट, टेक्स्ट और नंबर भी सीखते हैं। पाठ के लिए के रूप में, यहां कोई भी मशीन सीखने के बिना नहीं कर सकता है: व्याकरण की जांच करने का कार्य अब किसी भी पाठ संपादक और यहां तक ​​कि फोन में भी मौजूद है। इसके अलावा, न केवल शब्दों की वर्तनी को ध्यान में रखा जाता है, बल्कि संदर्भ, अर्थ के शेड्स और अन्य सूक्ष्म भाषाई पहलू भी होते हैं। इसके अलावा, पहले से ही ऐसे सॉफ्टवेयर मौजूद हैं, जो मानवीय हस्तक्षेप के बिना समाचार लेख (अर्थशास्त्र पर, उदाहरण के लिए, खेल) लिखने में सक्षम हैं।

1.2 मशीन लर्निंग टास्क के प्रकार

ML के उपयोग से हल किए गए सभी कार्य निम्न श्रेणियों में से एक में आते हैं।

1) प्रतिगमन का कार्य विभिन्न विशेषताओं के साथ वस्तुओं के नमूने पर आधारित एक पूर्वानुमान है। आउटपुट एक वास्तविक संख्या (2, 35, 76.454, आदि) होना चाहिए, उदाहरण के लिए, एक अपार्टमेंट की कीमत, छह महीने के बाद सुरक्षा का मूल्य, अगले महीने के लिए स्टोर की अपेक्षित आय, अंधे परीक्षण के दौरान शराब की गुणवत्ता।

2) वर्गीकरण का कार्य सुविधाओं के एक सेट के आधार पर एक स्पष्ट जवाब प्राप्त करना है। इसके उत्तर की एक सीमित संख्या है (आमतौर पर "हां" या "नहीं" प्रारूप में): क्या तस्वीर में एक बिल्ली है, छवि एक मानव चेहरा है, क्या कैंसर से रोगी बीमार है।

3) क्लस्टरिंग का कार्य समूहों में डेटा का वितरण है: मोबाइल ऑपरेटर के सभी ग्राहकों को एक स्तर या किसी अन्य श्रेणी (ग्रह, सितारे, ब्लैक होल, आदि) के लिए अंतरिक्ष वस्तुओं को सौंपना।

4) आयाम को कम करने का कार्य उनके बाद के विज़ुअलाइज़ेशन (उदाहरण के लिए, डेटा संपीड़न) की सुविधा के लिए बड़ी संख्या में सुविधाओं को कम करके (आमतौर पर 2-3) कम करना है।

5) विसंगतियों का पता लगाने का कार्य मानक मामलों से विसंगतियों को अलग करना है। पहली नज़र में, यह वर्गीकरण कार्य के साथ मेल खाता है, लेकिन एक महत्वपूर्ण अंतर है: विसंगतियाँ एक दुर्लभ घटना हैं, और प्रशिक्षण के उदाहरण जिन पर आप मशीन-लर्निंग मॉडल को प्रशिक्षित कर सकते हैं ताकि ऐसी वस्तुओं की पहचान करने के लिए या तो गायब हो या बस नहीं, इसलिए वर्गीकरण के तरीके यहां काम नहीं करते हैं। । व्यवहार में, इस तरह का कार्य उदाहरण के लिए, बैंक कार्ड के साथ धोखाधड़ी गतिविधियों की पहचान करना है।

1.3 मशीन सीखने के बुनियादी प्रकार

मशीन सीखने के तरीकों का उपयोग करके हल किए गए कार्यों का थोक दो अलग-अलग प्रकारों से संबंधित है: एक शिक्षक के साथ सीखना (पर्यवेक्षित शिक्षण) या उसके बिना (बिना पढ़े हुए सीखने)। हालांकि, यह शिक्षक जरूरी नहीं है कि प्रोग्रामर स्वयं, जो कंप्यूटर के ऊपर खड़ा है और कार्यक्रम में हर क्रिया को नियंत्रित करता है। मशीन लर्निंग के संदर्भ में "शिक्षक" सूचना के प्रसंस्करण की प्रक्रिया में मानवीय हस्तक्षेप है। दोनों प्रकार के प्रशिक्षण में, मशीन प्रारंभिक डेटा प्रदान करती है कि उसे पैटर्न का विश्लेषण और पता लगाना होगा। फर्क सिर्फ इतना है कि शिक्षक के साथ सीखने पर, कई परिकल्पनाएं होती हैं, जिन्हें नकारने या पुष्टि करने की आवश्यकता होती है। इस अंतर को उदाहरणों के साथ समझना आसान है।

एक शिक्षक के साथ मशीन सीखना

मान लीजिए हमें दस हजार मास्को अपार्टमेंट के बारे में जानकारी थी: क्षेत्र, फर्श, जिला, घर पर पार्किंग की अनुपस्थिति या अनुपस्थिति, मेट्रो से दूरी, अपार्टमेंट की कीमत, आदि। हमें एक ऐसा मॉडल बनाने की जरूरत है जो किसी अपार्टमेंट के बाजार मूल्य की उसके मापदंडों से भविष्यवाणी करता हो। यह एक शिक्षक के साथ मशीन सीखने का एक आदर्श उदाहरण है: हमारे पास प्रारंभिक डेटा (अपार्टमेंट की संख्या और उनके गुण हैं, जिन्हें संकेत कहा जाता है) और प्रत्येक अपार्टमेंट के लिए एक तैयार उत्तर इसकी लागत है। कार्यक्रम को प्रतिगमन समस्या को हल करना है।

अभ्यास से एक और उदाहरण: किसी रोगी में कैंसर की उपस्थिति की पुष्टि या इनकार करना, उसके सभी चिकित्सा संकेतकों को जानना। पता लगाएँ कि क्या एक आने वाला संदेश अपने पाठ का विश्लेषण करके स्पैम है। ये सभी वर्गीकरण कार्य हैं।

बिना शिक्षक के मशीन सीखना

शिक्षक के बिना प्रशिक्षण के मामले में, जब तैयार किए गए "सही उत्तर" सिस्टम को प्रदान नहीं किए जाते हैं, तो सब कुछ और भी दिलचस्प है। उदाहरण के लिए, हमारे पास एक निश्चित संख्या के लोगों के वजन और ऊंचाई के बारे में जानकारी है, और इन आंकड़ों को तीन समूहों में विभाजित करने की आवश्यकता है, जिनमें से प्रत्येक को उपयुक्त आकारों के शर्ट को सिलाई करना होगा। यह एक क्लस्टरिंग कार्य है। इस मामले में, सभी डेटा को 3 समूहों में विभाजित करना आवश्यक है (लेकिन, एक नियम के रूप में, ऐसा कोई सख्त और केवल संभव विभाजन नहीं है)।

यदि हम एक अलग स्थिति लेते हैं, जब नमूने में प्रत्येक वस्तु में सैकड़ों अलग-अलग विशेषताएं होती हैं, तो मुख्य कठिनाई इस तरह के नमूने का चित्रमय प्रदर्शन होगा। इसलिए, संकेतों की संख्या दो या तीन तक कम हो जाती है, और विमान या 3 डी में उन्हें कल्पना करना संभव हो जाता है। यह आयाम को कम करने का कार्य है।

1.4 मशीन लर्निंग मॉडल के बुनियादी एल्गोरिदम

1. निर्णय का पेड़

यह एक पेड़ के ग्राफ के उपयोग के आधार पर एक निर्णय समर्थन विधि है: एक निर्णय मॉडल जो उनके संभावित परिणामों (किसी घटना की घटना की संभावना को ध्यान में रखते हुए), दक्षता और संसाधन खपत को ध्यान में रखता है।

व्यावसायिक प्रक्रियाओं के लिए, इस पेड़ में न्यूनतम संख्या में ऐसे प्रश्न होते हैं जिनके लिए एक निश्चित उत्तर की आवश्यकता होती है - "हाँ" या "नहीं"। लगातार इन सभी सवालों के जवाब देते हुए, हम सही विकल्प पर आते हैं। निर्णय वृक्ष के पद्धतिगत लाभ यह हैं कि यह समस्या को संरचनाओं और व्यवस्थित करता है, और अंतिम निर्णय तार्किक निष्कर्ष के आधार पर किया जाता है।

2. Naive Bayesian वर्गीकरण

नेव बेयस क्लासिफायर सरल संभाव्य क्लासिफ़ायर के परिवार से संबंधित हैं और बेयस प्रमेय से उत्पन्न होते हैं, जो इस मामले में कार्यों को स्वतंत्र मानते हैं (इसे एक सख्त या भोली धारणा कहा जाता है)। व्यवहार में, इसका उपयोग मशीन सीखने के निम्नलिखित क्षेत्रों में किया जाता है:

• स्पैम ईमेल का पता लगाना
• विषयगत अनुभागों को समाचार लेखों का स्वचालित लिंकिंग;
• पाठ के भावनात्मक रंग की पहचान;
• छवियों में चेहरे और अन्य पैटर्न की पहचान।

3. कम से कम वर्ग विधि

जिस किसी ने भी कम से कम आंकड़ों का अध्ययन किया है, वह रैखिक प्रतिगमन की अवधारणा से परिचित है। सबसे कम वर्ग भी इसके कार्यान्वयन विकल्पों से संबंधित हैं। आमतौर पर, रैखिक प्रतिगमन एक सीधी रेखा को फिट करने की समस्या को हल करता है जो कई बिंदुओं से गुजरती है। यहां बताया गया है कि कम से कम चौकोर विधि का उपयोग कैसे करें: एक सीधी रेखा खींचें, उससे प्रत्येक बिंदु तक दूरी मापें (बिंदुओं और रेखा को लंबवत खंडों से कनेक्ट करें), परिणामी राशि को स्थानांतरित करें। नतीजतन, जिस वक्र में दूरियों का योग सबसे छोटा होगा वह वांछित है (यह रेखा सही मूल्य से सामान्य रूप से वितरित विचलन वाले बिंदुओं के माध्यम से जाएगी)।

एक लीनियर फंक्शन आमतौर पर मशीन लर्निंग के लिए डेटा के चयन में उपयोग किया जाता है, और एक त्रुटि मीट्रिक बनाकर त्रुटियों को कम करने के लिए कम से कम वर्ग विधि का उपयोग किया जाता है।

4. लॉजिस्टिक रिग्रेशन

लॉजिस्टिक रिग्रेशन चरों के बीच संबंध को निर्धारित करने का एक तरीका है, जिसमें से एक स्पष्ट रूप से निर्भर है और अन्य स्वतंत्र हैं। इसके लिए, लॉजिस्टिक फ़ंक्शन (संचयी लॉजिस्टिक वितरण) का उपयोग किया जाता है। लॉजिस्टिक रिग्रेशन का व्यावहारिक महत्व यह है कि यह घटनाओं की भविष्यवाणी करने के लिए एक शक्तिशाली सांख्यिकीय तरीका है, जिसमें एक या अधिक स्वतंत्र चर शामिल हैं। यह निम्नलिखित स्थितियों में मांग है:

• क्रेडिट स्कोरिंग;
• चल रहे विज्ञापन अभियानों की सफलता को मापने;
• एक निश्चित उत्पाद के लिए लाभ का पूर्वानुमान;
• एक विशिष्ट तिथि पर भूकंप की संभावना का आकलन।

5. समर्थन वेक्टर विधि (SVM)

यह वर्गीकरण और प्रतिगमन विश्लेषण समस्याओं को हल करने के लिए आवश्यक एल्गोरिदम का एक पूरा सेट है। इस तथ्य के आधार पर कि एन-आयामी अंतरिक्ष में स्थित एक वस्तु दो वर्गों में से एक है, समर्थन वेक्टर विधि आयाम (एन - 1) के साथ एक हाइपरप्लेन का निर्माण करती है ताकि सभी वस्तुएं दो समूहों में से एक में दिखाई दें। कागज पर, इसे निम्नानुसार दर्शाया जा सकता है: दो अलग-अलग प्रकार के बिंदु हैं, और उन्हें रैखिक रूप से विभाजित किया जा सकता है। अलग-अलग बिंदुओं के अलावा, यह विधि इस तरह से एक हाइपरप्लेन उत्पन्न करती है कि यह प्रत्येक समूह के निकटतम बिंदु से जितना संभव हो सके।

एसवीएम और इसके संशोधनों से इस तरह के जटिल मशीन लर्निंग कार्यों को डीएनए splicing, तस्वीरों से किसी व्यक्ति के लिंग का निर्धारण और वेबसाइटों पर विज्ञापन बैनर प्रदर्शित करने में मदद मिलती है।

6. पहनावा का तरीका

यह मशीन लर्निंग एल्गोरिदम पर आधारित है जो कई क्लासिफायर उत्पन्न करता है और सभी प्राप्त वस्तुओं को उनके औसत या मतदान परिणामों के आधार पर नई प्राप्त डेटा से अलग करता है। प्रारंभ में, पहनावा विधि बेसेसियन औसत का एक विशेष मामला था, लेकिन फिर यह अधिक जटिल हो गया और अतिरिक्त एल्गोरिदम के साथ उखाड़ दिया गया:

• बूस्टिंग - कक्षा के कलाकारों की टुकड़ी (गणितीय दृष्टिकोण से, यह एक बेहतर चौराहा है) बनाकर कमजोर मॉडल को मजबूत लोगों में परिवर्तित करता है;
• बैगिंग (बैगिंग) - एक साथ बुनियादी (सुधार संघ) के प्रशिक्षण के दौरान, परिष्कृत क्लासिफायर इकट्ठा करता है;
• आउटपुट कोडिंग की त्रुटि सुधार।

पहनावा विधि, स्टैंड-अलोन पूर्वानुमान मॉडल की तुलना में अधिक शक्तिशाली उपकरण है, क्योंकि:

• यह प्रत्येक बेस क्लासिफायर की त्रुटियों के औसत से दुर्घटनाओं के प्रभाव को कम करता है;
• फैलाव को कम करता है, क्योंकि अलग-अलग परिकल्पनाओं के आधार पर कई अलग-अलग मॉडलों के अलग-अलग लेने की तुलना में सही परिणाम आने की अधिक संभावना है;
• सेट के दायरे से बाहर जाने से बाहर रखा जाता है: यदि एकत्रित परिकल्पना बुनियादी परिकल्पना के सेट के बाहर है, तो संयुक्त परिकल्पना के गठन के चरण में यह एक विधि या किसी अन्य का उपयोग करके फैलता है, और परिकल्पना पहले से ही इसमें शामिल है।

7. क्लस्टरिंग एल्गोरिदम

क्लस्टरिंग में कई वस्तुओं के वितरण में श्रेणियां शामिल हैं ताकि प्रत्येक श्रेणी में - क्लस्टर - सबसे समान तत्व पाए जाएं।

आप विभिन्न एल्गोरिदम का उपयोग करके ऑब्जेक्ट को क्लस्टर कर सकते हैं। सबसे अधिक उपयोग किया जाता है:

• त्रिकोण के गुरुत्वाकर्षण के केंद्र के आधार पर;
• कनेक्शन के आधार पर;
• आयामी कमी;
• घनत्व (स्थानिक क्लस्टरिंग के आधार पर);
• संभाव्य;
• तंत्रिका नेटवर्क सहित मशीन लर्निंग।

क्लस्टरिंग एल्गोरिदम का उपयोग जीव विज्ञान में किया जाता है (कई हजार तत्वों के साथ जीनोम में जीन की बातचीत का अध्ययन), समाजशास्त्र (वार्ड पद्धति का उपयोग करते हुए समाजशास्त्रीय अध्ययन के परिणाम प्रसंस्करण, न्यूनतम फैलाव के साथ क्लस्टर उपज) और सूचना प्रौद्योगिकी के बारे में।

8. प्रमुख घटक विधि (PCA)

प्रमुख घटकों की विधि, या पीसीए, ऑर्थोगोनल परिवर्तन पर एक सांख्यिकीय ऑपरेशन है, जिसका उद्देश्य उन चर की टिप्पणियों का अनुवाद करना है जो किसी भी तरह से प्रमुख घटकों के एक सेट में परस्पर जुड़े हो सकते हैं - मान जो रैखिक रूप से सहसंबद्ध नहीं हैं।

व्यावहारिक कार्य जिनमें पीसीए लागू किया जाता है वे हैं विज़ुअलाइज़ेशन और सीखने की प्रक्रिया को सुविधाजनक बनाने के लिए डेटा को कम करने, सरल बनाने, कम करने की अधिकांश प्रक्रियाएँ। हालांकि, प्रमुख घटक विधि उन स्थितियों के लिए उपयुक्त नहीं है, जहां प्रारंभिक डेटा खराब तरीके से ऑर्डर किए गए हैं (अर्थात, विधि के सभी घटकों को उच्च फैलाव की विशेषता है)। तो इसकी प्रयोज्यता इस बात से निर्धारित होती है कि विषय क्षेत्र का अध्ययन और वर्णन कितनी अच्छी तरह किया गया है।

9. एकवचन अपघटन

रैखिक बीजगणित में, एक विलक्षण अपघटन, या एसवीडी, को एक आयताकार मैट्रिक्स के अपघटन के रूप में परिभाषित किया जाता है जिसमें जटिल या वास्तविक संख्याएं होती हैं। इसलिए, आयाम [m * n] का एक मैट्रिक्स M इस तरह से विघटित किया जा सकता है कि M = UΣV, जहां U और V एकात्मक मैट्रिक्स हैं, और of विकर्ण है।

एकवचन अपघटन के विशेष मामलों में से एक प्रमुख घटक विधि है। बहुत पहले कंप्यूटर विज़न तकनीकों को एसवीडी और पीसीए के आधार पर विकसित किया गया था और निम्नानुसार काम किया गया था: पहले, चेहरे (या अन्य पैटर्न जो पाए जाने वाले थे) को मूल घटकों के योग के रूप में दर्शाया गया था, फिर उनके आयामों को कम कर दिया गया था, जिसके बाद उनकी तुलना नमूने से छवियों से की गई थी। मशीन लर्निंग में विलक्षण अपघटन के आधुनिक एल्गोरिदम, निश्चित रूप से, अपने पूर्ववर्तियों की तुलना में बहुत अधिक जटिल और परिष्कृत हैं, लेकिन उनका सार सामान्य रूप से बदल गया है।

10. स्वतंत्र घटक विश्लेषण (ICA)

यह उन सांख्यिकीय तरीकों में से एक है जो छिपे हुए कारकों को प्रकट करता है जो यादृच्छिक चर, संकेतों आदि को प्रभावित करते हैं, आईसीए मल्टी-फैक्टर डेटा बेस के लिए एक जनरेटिव मॉडल बनाता है। मॉडल में चर में कुछ छिपे हुए चर होते हैं, और उन्हें मिश्रण करने के नियमों के बारे में कोई जानकारी नहीं होती है। ये छिपे हुए चर स्वतंत्र नमूना घटक हैं और इन्हें गैर-गौसियन संकेत माना जाता है।

मुख्य घटकों के विश्लेषण के विपरीत, जो इस पद्धति से जुड़ा है, स्वतंत्र घटकों का विश्लेषण अधिक प्रभावी है, खासकर उन मामलों में जब शास्त्रीय दृष्टिकोण शक्तिहीन होते हैं। यह घटनाओं के छिपे हुए कारणों का पता लगाता है और इसके कारण, विभिन्न क्षेत्रों में व्यापक आवेदन मिला है, खगोल विज्ञान और चिकित्सा से लेकर भाषण मान्यता, वित्तीय परीक्षण और वित्तीय संकेतकों की गतिशीलता का विश्लेषण।

1.5 वास्तविक जीवन के उदाहरण

उदाहरण 1. रोगों का निदान

इस मामले में रोगी वस्तुएं हैं, और संकेत वे सभी लक्षण हैं जो उनके पास हैं, इतिहास, परीक्षण के परिणाम, उपचार के उपाय पहले से ही (वास्तव में, संपूर्ण चिकित्सा इतिहास, औपचारिक और अलग-अलग मानदंडों में विभाजित)। कुछ संकेत - लिंग, उपस्थिति या सिरदर्द, खांसी, दाने और अन्य की अनुपस्थिति - को द्विआधारी माना जाता है। स्थिति की गंभीरता (अत्यंत गंभीर, मध्यम, आदि) का आकलन एक अध्यादेशीय संकेत है, और कई अन्य मात्रात्मक हैं: दवा की मात्रा, रक्त में हीमोग्लोबिन का स्तर, रक्तचाप और हृदय गति, आयु, वजन। रोगी की स्थिति के बारे में जानकारी एकत्र करने के बाद, इनमें से कई लक्षण हैं, आप इसे कंप्यूटर पर डाउनलोड कर सकते हैं और मशीन सीखने में सक्षम प्रोग्राम का उपयोग करके, निम्न समस्याओं को हल कर सकते हैं:

• आचरण विभेदक निदान (रोग के प्रकार का निर्धारण);
• सबसे इष्टतम उपचार रणनीति चुनें;
• रोग के विकास, इसकी अवधि और परिणाम की भविष्यवाणी करने के लिए;
• संभावित जटिलताओं के जोखिम की गणना करें;
• सिंड्रोम की पहचान करें - किसी बीमारी या विकार से जुड़े लक्षणों के समूह।

कोई भी चिकित्सक प्रत्येक रोगी के लिए पूरी जानकारी को तुरंत संसाधित करने में सक्षम नहीं होता है, बड़ी संख्या में अन्य समान चिकित्सा रिकॉर्डों को संक्षेप में प्रस्तुत करता है और तुरंत एक स्पष्ट परिणाम देता है। इसलिए, मशीन सीखना डॉक्टरों के लिए एक अनिवार्य उपकरण बनता जा रहा है।

उदाहरण 2. खनिज जमा की खोज

यहां संकेतों की भूमिका में भूवैज्ञानिक अन्वेषण द्वारा प्राप्त जानकारी है: क्षेत्र पर किसी भी चट्टानों की उपस्थिति (और यह द्विआधारी प्रकार का संकेत होगा), उनके भौतिक और रासायनिक गुण (जो मात्रात्मक और गुणात्मक संकेतों की एक संख्या में विघटित होते हैं)।

प्रशिक्षण के नमूने के लिए, 2 प्रकार की मिसालें ली जाती हैं: वे क्षेत्र जहाँ खनिज जमा ठीक से मौजूद होते हैं, और समान विशेषताओं वाले क्षेत्र जहाँ ये खनिज नहीं पाए जाते थे। लेकिन दुर्लभ खनिजों के निष्कर्षण की अपनी विशिष्टता है: कई मामलों में, संकेतों की संख्या वस्तुओं की संख्या से काफी अधिक है, और पारंपरिक आंकड़ों के तरीके ऐसी स्थितियों के लिए खराब अनुकूल हैं। इसलिए, मशीन लर्निंग में, पहले से एकत्रित डेटा ऐरे में पैटर्न का पता लगाने पर जोर दिया जाता है। इसके लिए, सुविधाओं के छोटे और सबसे जानकारीपूर्ण सेट निर्धारित किए जाते हैं जो अनुसंधान प्रश्न का उत्तर देने के सबसे अधिक संकेत देते हैं - क्या संकेतित क्षेत्र में कोई विशेष जीवाश्म है या नहीं। कोई दवा के साथ एक सादृश्य आकर्षित कर सकता है: जमा अपने स्वयं के सिंड्रोम्स को भी प्रकट कर सकता है। इस क्षेत्र में मशीन सीखने का उपयोग करने का मूल्य इस तथ्य में निहित है कि प्राप्त किए गए परिणाम न केवल व्यावहारिक हैं, बल्कि भूवैज्ञानिकों और भूभौतिकीविदों के लिए गंभीर वैज्ञानिक रुचि भी है।

उदाहरण 3. ऋण के लिए उम्मीदवारों की विश्वसनीयता और सॉल्वेंसी का आकलन।

यह कार्य दैनिक रूप से ऋण जारी करने में शामिल सभी बैंकों द्वारा किया जाता है। इस प्रक्रिया को स्वचालित करने की आवश्यकता लंबे समय से है, 1960-1970 के दशक में वापस, जब संयुक्त राज्य अमेरिका और अन्य देशों में क्रेडिट कार्ड में उछाल शुरू हुआ था।

बैंक से ऋण के लिए अनुरोध करने वाले व्यक्ति ऑब्जेक्ट हैं, लेकिन यह संकेत अलग-अलग होंगे कि क्या यह व्यक्तिगत या कानूनी इकाई है। ऋण के लिए आवेदन करने वाले एक निजी व्यक्ति का एक विशिष्ट विवरण प्रश्नावली के आंकड़ों के आधार पर बनता है जो इसे भरता है। फिर प्रश्नावली को संभावित ग्राहक के बारे में कुछ अन्य जानकारी के साथ पूरक किया जाता है जो बैंक अपने चैनलों के माध्यम से प्राप्त करता है। उनमें से कुछ द्विआधारी संकेतों (लिंग, एक फोन नंबर की उपलब्धता) से संबंधित हैं, दूसरों को क्रमिक संकेतों (शिक्षा, स्थिति) से, अधिकांश मात्रात्मक हैं (ऋण राशि, अन्य बैंकों द्वारा बकाया राशि, आयु, परिवार के सदस्यों की संख्या, आय, वरिष्ठता ) या नाममात्र (नाम, रोजगार कंपनी का नाम, पेशा, पता)।

मशीन सीखने के लिए, एक नमूना तैयार किया जाता है, जिसमें उधारकर्ता शामिल होते हैं जिनके क्रेडिट इतिहास को जाना जाता है। सभी उधारकर्ताओं को वर्गों में विभाजित किया गया है, सबसे सरल मामले में उनमें से 2 हैं - "अच्छे" उधारकर्ता और "बुरे" वाले, और ऋण देने पर सकारात्मक निर्णय केवल "अच्छे" वाले के पक्ष में किया जाता है।

एक अधिक परिष्कृत मशीन लर्निंग एल्गोरिदम, जिसे क्रेडिट स्कोरिंग कहा जाता है, प्रत्येक विशेषता के लिए प्रत्येक उधारकर्ता के लिए सशर्त बिंदुओं के क्रम के लिए प्रदान करता है, और ऋण देने का निर्णय स्कोर किए गए अंकों की मात्रा पर निर्भर करेगा। मशीन लर्निंग के दौरान, क्रेडिट स्कोरिंग सिस्टम पहले प्रत्येक विशेषता के लिए कुछ निश्चित बिंदुओं को निर्दिष्ट करते हैं, और फिर ऋण जारी करने के लिए शर्तें निर्धारित करते हैं (शब्द, ब्याज दर और अन्य पैरामीटर जो ऋण समझौते में परिलक्षित होते हैं)। लेकिन उपयोग के मामलों के आधार पर एक अन्य सिस्टम लर्निंग एल्गोरिदम भी है।

PS निम्नलिखित लेखों में, हम मशीन सीखने के मॉडल बनाने के लिए एल्गोरिदम की अधिक विस्तार से जाँच करेंगे, जिसमें गणितीय भाग और पायथन में कार्यान्वयन शामिल हैं।