D:
In che modo i professionisti dell'apprendimento automatico utilizzano la previsione strutturata?
UN:I professionisti dell'apprendimento automatico utilizzano la previsione strutturata in una moltitudine di modi, in genere applicando una qualche forma di tecnica di apprendimento automatico a un particolare obiettivo o problema che può beneficiare di un punto di partenza più ordinato per l'analisi predittiva.
Una definizione tecnica di previsione strutturata implica "prevedere oggetti strutturati piuttosto che valori scalari discreti o reali".
Un altro modo per dire che sarebbe che invece di misurare semplicemente le singole variabili in un vuoto, le previsioni strutturate funzionano da un modello di una struttura particolare e usano quella come base per apprendere e fare previsioni. (Leggi In che modo l'IA può aiutare nella previsione della personalità?)
Le tecniche per la previsione strutturata sono ampiamente variabili: dalle tecniche bayesiane alla programmazione logica induttiva, alle reti logiche Markov e alle macchine vettoriali a supporto strutturato o agli algoritmi più vicini, i professionisti dell'apprendimento automatico hanno a disposizione un ampio set di strumenti da applicare ai problemi dei dati.
La cosa comune in queste idee è l'uso di alcune strutture sottostanti su cui si basa intrinsecamente il lavoro di apprendimento automatico.
Gli esperti spesso danno l'idea dell'elaborazione del linguaggio naturale, in cui parti del discorso sono taggate per rappresentare elementi di una struttura di testo - altri esempi includono il riconoscimento ottico dei caratteri, in cui un programma di apprendimento automatico riconosce le parole scritte a mano analizzando i segmenti di un determinato input o un'immagine complessa elaborazione, in cui i computer imparano a riconoscere gli oggetti in base all'input segmentato, ad esempio, con una rete neurale convoluzionale composta da molti "livelli".
Gli esperti potrebbero parlare di classificazione lineare multiclasse, funzioni di compatibilità lineare e altre tecniche di base per generare previsioni strutturate. In un senso molto generale, le previsioni strutturate si basano su un modello diverso rispetto al più ampio campo dell'apprendimento automatico supervisionato - per tornare all'esempio delle previsioni strutturate nell'elaborazione del linguaggio naturale e fonemi o parole con tag, vediamo che l'uso dell'etichettatura per l'apprendimento automatico supervisionato è orientato verso il modello strutturale stesso - il testo significativo che viene fornito, forse in set di test e set di addestramento.
Quindi, quando il programma di apprendimento automatico viene lasciato libero di fare il suo lavoro, si fonda sul modello strutturale. Ciò, dicono gli esperti, spiega alcuni dei modi in cui il programma comprende come utilizzare parti del discorso come verbi, avverbi, aggettivi e sostantivi, piuttosto che confonderli con altre parti del discorso o non essere in grado di distinguere come funzionano in un contesto globale . (Leggi quanto sono strutturati i tuoi dati? Esame dei dati strutturati, non strutturati e semi-strutturati.)
Il campo della previsione strutturata rimane una parte fondamentale dell'apprendimento automatico man mano che si evolvono vari tipi di apprendimento automatico e intelligenza artificiale.
