Mashinada o'qitish

Optimallashtirish

Mashinada o'qitish ham yaqin aloqalarga ega optimallashtirish: ko'plab o'quv muammolari ba'zilarini minimallashtirish sifatida shakllantiriladi yo'qotish funktsiyasi misollar to'plami bo'yicha. Yo'qotish funktsiyalari o'qitilayotgan modelning prognozlari bilan muammoning dolzarb misollari o'rtasidagi farqni ifodalaydi (masalan, tasniflashda misollarga yorliq berishni xohlaydi va modellar to'plamning oldindan belgilangan yorliqlarini to'g'ri bashorat qilish uchun o'qitiladi) misollar). Ikkala maydon o'rtasidagi farq umumlashtirish maqsadidan kelib chiqadi: optimallashtirish algoritmlari o'quv to'plamidagi yo'qotishlarni minimallashtirishi mumkin bo'lsa, mashinada o'rganish ko'rinmaydigan namunalardagi yo'qotishlarni minimallashtirish bilan bog'liq.^[31]

Statistika

Mashinada o'qitish va statistika usullari jihatidan bir-biri bilan chambarchas bog'liq bo'lgan sohalardir, ammo ularning asosiy maqsadi alohida: statistika aholi sonini jalb qiladi xulosalar dan namuna, mashinasozlik esa umumlashtiriladigan bashoratli naqshlarni topadi.^[32] Ga binoan Maykl I. Jordan, uslubiy printsiplardan nazariy vositalarga qadar mashinasozlik g'oyalari statistikada uzoq tarixga ega bo'lgan.^[33] Shuningdek, u ushbu atamani taklif qildi ma'lumotlar fani umumiy maydonni chaqirish uchun joy egasi sifatida.^[33]

Leo Breiman ikkita statistik modellashtirish paradigmalarini ajratib ko'rsatdi: ma'lumotlar modeli va algoritmik model,^[34] bunda "algoritmik model" mashinani o'rganish algoritmlari ko'pmi yoki ko'pmi degan ma'noni anglatadi Tasodifiy o'rmon.

Ba'zi statistik mutaxassislar mashinasozlik usullaridan foydalanib, o'zlari chaqiradigan birlashtirilgan sohaga olib kelishdi statistik o'rganish