Maskininlärning

Maskininlärning, akronym ML, är ett forskningsfält som ägnar sig åt att förstå och bygga metoder som "lär". Det anses vara en del av artificiell intelligens. Det utnyttjar data för att förbättra prestanda för en mängd olika uppgifter. Maskininlärningsalgoritmer bygger en modell baserad på exempeldata. Det senare är känt som träningsdata för att göra förutsägelser eller beslut utan att vara explicit programmerad att göra det. Maskininlärningsalgoritmer används i ett brett spektrum av applikationer. De inkluderar medicin, e-postfiltrering, taligenkänning, jordbruk och datorseende, där det är svårt eller inte genomförbart att utveckla konventionella algoritmer för att utföra de uppgifter som krävs. En delmängd av maskininlärning är relaterad till beräkningsstatistik: ämnet fokuserar på att göra förutsägelser med dator, men inte all maskininlärning är statistisk inlärning. Studiet av matematisk optimering tillhandahåller metoder, teori och tillämpningsdomäner till området maskininlärning. Data mining är ett studieområde relaterat till maskininlärning, som fokuserar på utforskande analys av data genom oövervakad inlärning.