ผลต่างระหว่างรุ่นของ "คุยกับผู้ใช้:Jinapattanah"

ไม่รองรับเนื้อหาของหน้าในภาษาอื่น
จากวิกิพีเดีย สารานุกรมเสรี
เนื้อหาที่ลบ เนื้อหาที่เพิ่ม
Jinapattanah (คุย | ส่วนร่วม)
Jinapattanah (คุย | ส่วนร่วม)
บรรทัด 21: บรรทัด 21:
== อ้างอิง ==
== อ้างอิง ==
<references />
<references />

[[หมวดหมู่:วิทยาการคอมพิวเตอร์]]

รุ่นแก้ไขเมื่อ 13:53, 13 มกราคม 2555


ยินดีต้อนรับสู่วิกิพีเดียภาษาไทย

ยินดีต้อนรับคุณ Jinapattanah สู่วิกิพีเดียภาษาไทย หน้าต่อไปนี้อาจเป็นประโยชน์แก่คุณ:

มือใหม่ขอแนะนำอย่างยิ่งให้คุณเริ่มจากแก้หรือต่อเติมบทความที่มีอยู่แล้วก่อน ไม่ควรรีบสร้างบทความด้วยตัวเองเพราะมักไม่ผ่านและถูกลบ

แนะนำเว็บ

และ

เรียนรู้การแก้ไข (ขอใช้เวลาอ่านไม่นานเพื่อให้ทราบพื้นฐาน)

อีกทางหนึ่ง อ่านหน้า การเข้ามีส่วนร่วมในวิกิพีเดีย ซึ่งสรุปทุกอย่างไว้หน้าเดียว

ฉันอ่านหมดแล้วยังไม่เข้าใจเลย
ถามที่แผนกช่วยเหลือ หรือ ถามในหน้านี้แหละ! หรือ ใช้ แชตดิสคอร์ด

อย่าลืมลงชื่อในหน้าพูดคุย โดยการพิมพ์ --~~~~ จะปรากฏชื่อและวันเวลา

Hello Jinapattanah! Welcome to Thai Wikipedia. If you are not a Thai speaker, you can ask a question in our Guestbook.


-- 10:55, 11 มกราคม 2555 (ICT)

เทคนิคการเรียนรู้ของเครื่องจักร

เทคนิคการเรียนรู้ของเครื่องจักร (Machine Learning Technique)[1] ถูกใช้เพื่อเพิ่มประสิทธิภาพในการแก้ปัญหาด้านต่าง ๆ เช่น การสร้างให้คอมพิวเตอร์สามารถแยกแยะวัตถุ เสียง หรือตัวอักษรได้ หรือจำแนกข้อมูลจำนวนมากที่ไม่สามารถทำได้โดยมนุษย์ ลักษณะทั่วไปของการเรียนรู้ของเครื่องจักรเป็นการสร้างขั้นตอนวิธี (Algorithms) หรือโปรแกรมคอมพิวเตอร์ จากการให้ข้อมูลฝึก (Training data) สำหรับสอนให้คอมพิวเตอร์เรียนรู้ เพื่อให้ได้สมมติฐาน (Hypothesis) ในการนำมาใช้แยกแยะวัตถุอื่นได้ ลักษณะการเรียนรู้ของเครื่องจักรแสดงได้ดังภาพที่ 1 เทคนิคการเรียนรู้ของเครื่องจักร แบ่งได้ 4 ประเภทตามลักษณะการใช้ข้อมูลฝึก

ภาพที่ 1 เทคนิคการเรียนรู้ของเครื่องจักร

การเรียนรู้แบบมีครู (Supervised Learning)

เทคนิคการเรียนรู้ของเครื่องจักรประเภทนี้ต้องใช้การเรียนรู้จากข้อมูลฝึกที่มีการใส่ฉลาก (Label) ให้กับข้อมูลฝึกไว้แล้ว เพื่อให้คอมพิวเตอร์จดจำรูปแบบและได้สมมติฐานเพื่อทำงานกับข้อมูลในภายหน้าได้ ตัวอย่างเทคนิคประเภทนี้ได้แก่ การเรียนรู้แบบตัวจำแนกแบบเบย์สอย่างง่าย และการเรียนรู้แบบต้นไม้ตัดสินใจ เป็นต้น

การเรียนรู้แบบไม่มีครู (Unsupervised Learning)

ใช้ข้อมูลฝึกที่ไม่มีการใส่ฉลากให้กับข้อมูล และเรียนรู้โดยการนำข้อมูลไปผ่านกระบวนการหาความคล้ายคลึงของชุดข้อมูล จนกระทั่งได้กลุ่มข้อมูลที่จัดเป็นประเภทอย่างเหมาะสม เทคนิคประเภทนี้ได้แก่ การแบ่งกลุ่ม (Clustering)

การเรียนรู้แบบมีครูบางส่วน (Semi Supervised Learning)

ใช้การเรียนรู้จากข้อมูลฝึกที่มีการใส่ฉลากเพียงบางส่วนจากข้อมูลฝึกทั้งหมด สำหรับส่วนที่ไม่มีฉลากนั้นจะใช้กระบวนการเรียนรู้เพื่อใส่ฉลากและปรับความถูกต้องให้กับการเรียนรู้ต่อไป เทคนิคประเภทนี้ได้แก่ EM Algorithms

Jinapattanah 13:51, 13 มกราคม 2555 (ICT)

อ้างอิง

  1. Mitchell, T. 1997. Machine Learning. McGraw-Hill.