Apa yang dimaksud dengan model pembelajaran mesin?
Model ini adalah komponen inti dari pembelajaran mesin, dan pada akhirnya apa yang kita coba bangun. Seorang model mungkin memperkirakan berapa usia seseorang dari sebuah foto, memprediksi apa yang mungkin ingin Anda lihat di media sosial, atau memutuskan ke mana lengan robot harus bergerak. Dalam skenario kami, kami ingin membangun model yang dapat memperkirakan ukuran boot terbaik untuk anjing berdasarkan ukuran harness mereka.
Model dapat dibangun dengan banyak cara. Misalnya, model tradisional yang mensimulasikan bagaimana lalat pesawat dibangun oleh orang-orang, menggunakan pengetahuan fisika dan teknik. Model pembelajaran mesin itu istimewa; alih-alih diedit oleh orang agar berfungsi dengan baik, model pembelajaran mesin dibentuk oleh data. Mereka belajar dari pengalaman.
Bagaimana cara berpikir tentang model
Anda dapat menganggap model sebagai fungsi yang menerima data sebagai input dan menghasilkan output. Lebih khusus lagi, model menggunakan data input untuk memperkirakan sesuatu yang lain. Misalnya, dalam skenario kami, kami ingin membuat model yang diberi ukuran harness dan memperkirakan ukuran boot:
Ukuran harness dan ukuran boot anjing adalah data; mereka bukan bagian dari model. Ukuran harness adalah input kami, ukuran boot anjing adalah outputnya.
Model seringkali merupakan kode sederhana
Model seringkali tidak berbeda secara bermakna dari fungsi sederhana yang sudah Anda kenal. Seperti kode lainnya, mereka mengandung logika dan parameter. Misalnya, logikanya mungkin "mengalikan ukuran harness dengan parameter_1":
Jika parameter_1 sini adalah 2,5, model kami akan mengalikan ukuran harness dengan 2,5 dan mengembalikan hasilnya:
Pilih model
Ada banyak jenis model, beberapa sederhana dan beberapa kompleks.
Seperti semua kode, model yang lebih sederhana seringkali paling andal dan mudah dipahami, sementara model yang kompleks berpotensi menampilkan kinerja yang mengesankan. Jenis model mana yang harus Anda pilih tergantung pada tujuan Anda. Misalnya, ilmuwan medis sering bekerja dengan model yang relatif sederhana, karena dapat diandalkan dan intuitif. Sebaliknya, robot berbasis AI biasanya mengandalkan model yang kompleks.
Langkah pertama dalam pembelajaran mesin adalah memilih jenis model yang ingin Anda gunakan. Jadi, kami memilih model berdasarkan logika internalnya. Misalnya, kita dapat memilih model dua parameter untuk memperkirakan ukuran boot anjing dari ukuran harness:
Perhatikan bagaimana kami memilih model berdasarkan cara kerjanya secara logis, tetapi tidak berdasarkan nilai parameternya. Bahkan, pada titik ini, parameter belum diatur ke nilai tertentu.
Parameter ditemukan selama pelatihan
Perancang manusia tidak memilih nilai parameter. Sebagai gantinya, nilai parameter diatur ke tebakan awal, kemudian disesuaikan selama proses pembelajaran otomatis yang disebut pelatihan.
Mengingat pilihan model dua parameter, kita mulai dengan memberikan tebakan acak untuk parameter kita:
Parameter acak ini berarti model tidak baik dalam memperkirakan ukuran boot, jadi kami melakukan pelatihan. Selama pelatihan, parameter ini secara otomatis diubah menjadi dua nilai baru yang memberikan hasil yang lebih baik:
Persis bagaimana proses ini bekerja adalah sesuatu yang kami jelaskan secara progresif sepanjang perjalanan pembelajaran Anda.