Presná definícia
Čo znamená učiaci algoritmus?
Učiaci algoritmus je presne určený postup, ktorý zo skúsenosti alebo trénovacích dát vyberá hypotézu, nastavuje parametre alebo aktualizuje politiku. Vstupom je okrem dát aj priestor modelov, stratová funkcia a hyperparametre; výstupom je naučený model alebo pravidlo. Algoritmus nie je totožný s výsledným modelom: napríklad gradientný zostup môže vytvoriť mnoho odlišných modelov podľa inicializácie a dát.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Pri logistickej regresii algoritmus opakovane vypočíta gradient straty a aktualizuje váhy; pri rozhodovacom strome volí rozdelenia podľa kritéria čistoty. Implementácia musí určiť zastavenie, náhodný seed, spracovanie chýbajúcich hodnôt a numerické tolerancie. Výkon sa hodnotí nielen kvalitou konečného modelu, ale aj časom, pamäťou, stabilitou a citlivosťou na hyperparametre. Rovnaké dáta a názov algoritmu nemusia stačiť na reprodukciu; treba uchovať verziu knižnice, presnú konfiguráciu, poradie dávok a transformácie.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Aký je rozdiel medzi algoritmom a modelom?
Algoritmus je postup učenia; model je konkrétny výsledok s naučenými parametrami.
Čo algoritmus potrebuje okrem dát?
Reprezentáciu príkladov, priestor hypotéz, cieľ alebo spätnú väzbu a nastavenia učenia.
Prečo dva behy dajú iný model?
Inicializácia, vzorkovanie dávok a stochastické operácie môžu viesť k inému lokálnemu riešeniu.
Zaručuje algoritmus optimum?
Iba pri určitých matematických podmienkach; pri hlbokých sieťach sa zvyčajne nachádza použiteľný stacionárny bod.
Čo treba zaznamenať?
Kód, verzie, seed-y, hyperparametre, dáta, transformácie, hardvér a pravidlo zastavenia.