Машинное обучение: что такое классификация?

Классификация объектов — самая популярная задача во всём машинном обучении. Машина в ней как ребёнок, который учится раскладывать игрушки: роботов в один ящик, кукол в другой. Как именно учится машина? Рассказывает научный руководитель лаборатории «Искусство и искусственный интеллект» в ЕУСПБ Олег Лашманов.

👩🏼‍🏫 Обучение с учителем

Классическое машинное обучение любят делить на две категории — Supervised и Unsupervised Learning. В первом случае у машины есть набор правильных ответов: ей рассказывают, что на этой картинке слоник, а на этой — ваза. В обучении без «учителя» машине просто вываливают кучу данных, например, фотографий животных на стол и говорят: «Разберись, кто здесь на кого похож». С ответами машина обучится быстрее и точнее и будет выполнять необходимые задачи, поэтому такой метод используют намного чаще.

📨 Спам

Для классификации всегда нужен учитель — размеченные данные с признаками и категориями, которые машина будет учиться определять по этим признакам. Например, раньше все спам-фильтры работали так: машина считала, сколько раз слово «виагра» встречается в спаме, а сколько раз в нормальных письмах. Правда, спамеры научились обходить фильтр, просто вставляя в конец письма много слов с «хорошими» рейтингами. 

🩻 Медицина

Другой пример применения классификации — поиск аномалий. Когда какой-то признак объекта сильно не вписывается в наши классы, мы ярко подсвечиваем его на экране. Сейчас так делают в медицине: компьютер подсвечивает врачу все подозрительные области МРТ или выделяет отклонения в анализах. Научив компьютер «как правильно», мы автоматически получаем и обратный классификатор — как неправильно. 

О других примерах применения классификации и о том, какие направления существуют в машинном обучении (помимо классического), узнаете из полной версии текста.

🤖 «Системный Блокъ» @sysblok