Den här lektionen ingår i abonnemanget. Logga in med BankID och skapa ert företags workspace.Logga in
Lektion 2 av 5 · 5 min
Hur en maskin lär sig
Hur maskiner lär sig av exempel, från skräpposten och banken till ekonomisystemet: träningsdata, träningen, testet, modellen i arbete och tre sätt att lära.
Det här tar du med dig
- En maskin lär sig av exempel och blir aldrig bättre än dem
- Bra träningsdata är många, olika och rätt märkta exempel
- Träningen är gissa, jämföra, justera, om och om igen
- Testdata, som maskinen aldrig sett, visar om den verkligen lärt sig
- Modellen tränas i förväg och används sedan snabbt på nya fall
- Maskiner lär sig med facit, utan facit eller genom att försöka
Begreppen
- Träningsdata
- Exemplen som en modell lär sig av, ofta märkta med rätt svar, som mejl märkta som skräp eller inte skräp.
- Träning
- När maskinen går igenom exemplen, gissar, jämför med facit och justerar sig lite i taget tills den oftast gissar rätt.
- Testdata
- Exempel som sparas undan och som maskinen aldrig får se under träningen. De visar om den har lärt sig mönstret och inte bara exemplen utantill.
- Modell
- Det som blir kvar efter träningen: allt maskinen har lärt sig, samlat på ett ställe och redo att bedöma nya fall.
- Användning (inferens)
- När en färdigtränad modell används på nya fall, som när filtret bedömer ett mejl som just kommit in. Fackordet är inferens.