Словарь ИИ

Что такое машинное обучение

Коротко

Машинное обучение (machine learning, ML) это раздел ИИ, в котором программа находит правила в данных сама, а не получает их готовыми от разработчика.

Основы ИИ · machine learning

Михаил МозгПроверено: 16 октября 20261 минута чтения

Ребенку

Как ты понял, что кактус колючий? Правил тебе никто не писал, ты просто однажды дотронулся и запомнил. Компьютер тоже можно учить на опыте. Ему показывают много примеров с ответами: вот яблоко, вот груша. Потом он видит новый фрукт и сам угадывает, что это. Чем больше хороших примеров, тем реже он ошибается.

Простыми словами

Обычно разработчик пишет правила: если в письме есть слово «выигрыш», отправить его в спам. Но мошенники меняют слова, и правила быстро устаревают. Здесь поступают иначе: собирают тысячи писем с пометками «спам» и «не спам» и дают алгоритму самому найти отличия. Получается модель, которая оценивает и новые письма. Так же устроены рекомендации фильмов, оценка кредитного риска в банке и прогноз пробок в навигаторе.

Для бизнеса

Этот подход помогает там, где у компании накопилась история: продажи по дням, заявки, звонки, платежи. На ней строят прогноз спроса, оценку вероятности ухода клиента, поиск подозрительных операций, подсказки менеджеру о следующем шаге. Затраты зависят не столько от алгоритма, сколько от данных: их нужно собрать, очистить и разметить, и на это часто уходит большая часть бюджета. Риски: алгоритм учится на прошлом и ошибается, когда рынок меняется, а перекос в истории он повторяет. Перед запуском точность сверяют на свежем периоде, которого система не видела, и следят за ней после. Типовые сценарии разобраны в разделе о предиктивной аналитике.

Для специалиста

Machine learning по определению Т. Митчелла (учебник «Machine Learning», 1997) изучает алгоритмы, которые автоматически совершенствуются с опытом. Основные режимы: обучение с учителем (supervised learning) на размеченных парах «объект и ответ», куда входят классификация и регрессия; обучение без учителя (unsupervised learning) для кластеризации и снижения размерности; обучение с подкреплением (reinforcement learning), где агент получает награду за действия. Классические методы: линейные модели, деревья решений и их ансамбли (random forest, градиентный бустинг), метод опорных векторов (SVM), k ближайших соседей. Глубокое обучение использует многослойные нейросети и выделяет признаки само, тогда как классическим методам обычно нужны признаки, подготовленные вручную (feature engineering). Качество оценивают на отложенной выборке (test set) и кросс-валидацией; главная опасность здесь переобучение (overfitting).

Пример

Сеть аптек загружает продажи за прошлые годы, и модель прогнозирует, сколько каждого препарата понадобится в каждой аптеке на следующей неделе. Закупщики реже списывают просроченный товар.

Связанные термины

Вопросы и ответы

Что такое машинное обучение простыми словами?

Это способ создавать программы, которые учатся на примерах. Вместо того чтобы прописывать каждое правило, им дают историю с правильными ответами, и они сами находят закономерности.

Чем машинное обучение отличается от нейросетей?

Нейросети это один из методов внутри этой области. Многие практические задачи, например прогноз продаж по таблице, решают и без них: деревьями решений или линейными моделями.

Источники

T. Mitchell, Machine Learning, McGraw Hill, 1997cs.cmu.edu

Где это применяют в компании

Предиктивная аналитика: прогнозы на данных компании

Не уверены, нужно ли это вашей компании?

Карта ИИ-решений