Q:
Làm thế nào để các chuyên gia học máy sử dụng dự đoán có cấu trúc?
A:Các chuyên gia học máy sử dụng dự đoán có cấu trúc theo nhiều cách, thông thường bằng cách áp dụng một số dạng kỹ thuật học máy cho một mục tiêu hoặc vấn đề cụ thể có thể hưởng lợi từ điểm bắt đầu có trật tự hơn để phân tích dự đoán.
Một định nghĩa kỹ thuật về dự đoán có cấu trúc liên quan đến việc dự đoán các đối tượng có cấu trúc, thay vì các giá trị thực rời rạc hoặc vô hướng.
Một cách khác để nói rằng thay vì chỉ đơn giản là đo các biến riêng lẻ trong chân không, các dự đoán có cấu trúc hoạt động từ một mô hình của một cấu trúc cụ thể và sử dụng nó làm cơ sở cho việc học và đưa ra dự đoán. (Đọc Làm thế nào AI có thể giúp dự đoán tính cách?)
Các kỹ thuật để dự đoán có cấu trúc rất đa dạng - từ kỹ thuật Bayes đến lập trình logic quy nạp, mạng logic Markov và máy vectơ hỗ trợ có cấu trúc hoặc thuật toán lân cận gần nhất, các chuyên gia máy học có một bộ công cụ rộng rãi để áp dụng cho các vấn đề dữ liệu.
Điều phổ biến trong những ý tưởng này là việc sử dụng một số cấu trúc cơ bản mà công việc máy học được thiết lập dựa trên vốn có.
Các chuyên gia thường đưa ra ý tưởng xử lý ngôn ngữ tự nhiên, trong đó các phần của lời nói được gắn thẻ để thể hiện các yếu tố của cấu trúc văn bản - các ví dụ khác bao gồm nhận dạng ký tự quang học, trong đó chương trình học máy nhận ra các từ viết tay bằng cách phân tích các phân đoạn của một đầu vào cụ thể hoặc hình ảnh phức tạp xử lý, trong đó máy tính học cách nhận biết các đối tượng dựa trên đầu vào được phân đoạn, ví dụ, với mạng nơ ron tích chập bao gồm nhiều lớp.
Các chuyên gia có thể nói về phân loại đa lớp tuyến tính, các chức năng tương thích tuyến tính và các kỹ thuật cơ bản khác để tạo dự đoán có cấu trúc. Theo một nghĩa rất chung, các dự đoán có cấu trúc được xây dựng trên một mô hình khác với lĩnh vực học máy được giám sát rộng hơn - để quay lại ví dụ về các dự đoán có cấu trúc trong xử lý ngôn ngữ tự nhiên và các âm vị hoặc từ được gắn thẻ, chúng tôi thấy rằng việc sử dụng nhãn cho học máy có giám sát được định hướng theo chính mô hình cấu trúc - văn bản có ý nghĩa được cung cấp, có lẽ trong các bộ kiểm tra và tập huấn luyện.
Sau đó, khi chương trình học máy được thả lỏng để thực hiện công việc của nó, nó được thành lập trên mô hình cấu trúc. Điều đó, các chuyên gia nói, giải thích một số cách chương trình hiểu cách sử dụng các phần của lời nói như động từ, trạng từ, tính từ và danh từ, thay vì nhầm chúng với các phần khác của lời nói, hoặc không thể phân biệt cách chúng hoạt động trong bối cảnh toàn cầu . (Đọc cách dữ liệu có cấu trúc của bạn? Kiểm tra dữ liệu có cấu trúc, không cấu trúc và bán cấu trúc.)
Lĩnh vực dự đoán có cấu trúc vẫn là một phần quan trọng của học máy khi nhiều loại hình học máy và trí tuệ nhân tạo phát triển.
