ผลต่างระหว่างรุ่นของ "คุยกับผู้ใช้:Jinapattanah"
Jinapattanah (คุย | ส่วนร่วม) ล เพิ่มหมวดหมู่:วิทยาการคอมพิวเตอร์สำเร็จแล้ว using HotCat |
Jinapattanah (คุย | ส่วนร่วม) |
||
บรรทัด 23: | บรรทัด 23: | ||
[[หมวดหมู่:วิทยาการคอมพิวเตอร์]] |
[[หมวดหมู่:วิทยาการคอมพิวเตอร์]] |
||
[[หมวดหมู่:วิศวกรรมคอมพิวเตอร์]] |
|||
[[หมวดหมู่:วิทยาการคอมพิวเตอร์เชิงทฤษฎี]] |
รุ่นแก้ไขเมื่อ 13:55, 13 มกราคม 2555
ยินดีต้อนรับสู่วิกิพีเดียภาษาไทย
ยินดีต้อนรับคุณ Jinapattanah สู่วิกิพีเดียภาษาไทย หน้าต่อไปนี้อาจเป็นประโยชน์แก่คุณ:
และ
(ขอใช้เวลาอ่านไม่นานเพื่อให้ทราบพื้นฐาน)
อีกทางหนึ่ง อ่านหน้า การเข้ามีส่วนร่วมในวิกิพีเดีย ซึ่งสรุปทุกอย่างไว้หน้าเดียว
- ฉันอ่านหมดแล้วยังไม่เข้าใจเลย
- หรือ 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
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
- ↑ Mitchell, T. 1997. Machine Learning. McGraw-Hill.