Machine Learning - Qu'est-ce que Machine Learning?

Considérez la figure suivante qui montre un graphique des prix de l'immobilier par rapport à sa taille en pieds carrés.

Après avoir tracé divers points de données sur le graphique XY, nous dessinons une ligne de meilleur ajustement pour faire nos prédictions pour toute autre maison compte tenu de sa taille. Vous allez transmettre les données connues à la machine et lui demander de trouver la ligne la mieux adaptée. Une fois que la meilleure ligne d'ajustement est trouvée par la machine, vous testerez son aptitude en introduisant une taille de maison connue, c'est-à-dire la valeur Y dans la courbe ci-dessus. La machine va maintenant renvoyer la valeur X estimée, c'est-à-dire le prix attendu de la maison. Le diagramme peut être extrapolé pour connaître le prix d'une maison de 3000 pi2 voire plus. C'est ce qu'on appelle la régression dans les statistiques. En particulier, ce type de régression est appelé régression linéaire car la relation entre les points de données X et Y est linéaire.

Dans de nombreux cas, la relation entre les points de données X et Y peut ne pas être une ligne droite, et il peut s'agir d'une courbe avec une équation complexe. Votre tâche serait maintenant de trouver la meilleure courbe d'ajustement qui peut être extrapolée pour prédire les valeurs futures. Un tel tracé d'application est illustré dans la figure ci-dessous.

La source:

https://upload.wikimedia.org/wikipedia/commons/c/c9/

Vous utiliserez les techniques d'optimisation statistique pour trouver l'équation de la meilleure courbe d'ajustement ici. Et c'est exactement ce qu'est le Machine Learning. Vous utilisez des techniques d'optimisation connues pour trouver la meilleure solution à votre problème.

Ensuite, regardons les différentes catégories de Machine Learning.