ML Terminology
အဓိက Machine Learning Terminologies များမှာ-
- ပေါင်းသင်းဆက်ဆံရေး
- တံဆိပ်များ
- အင်္ဂါရပ်များ
- မော်ဒယ်များ
- လေ့ကျင့်ရေး
- အနုမာန
ပေါင်းသင်းဆက်ဆံရေး
စက်သင်ယူမှုစနစ်များသည် ကြိုတင်ခန့်မှန်း ချက်များကို ထုတ်လုပ်ရန် Inputs များကြား ဆက်ဆံရေး ကို အသုံးပြုသည် ။
အက္ခရာသင်္ချာတွင်၊ ဆက်နွယ်မှုကို y = ax + b အဖြစ် မကြာခဏရေးသည် ။
- y သည် ကျွန်ုပ်တို့ ခန့်မှန်းလိုသော အညွှန်းဖြစ်သည်။
- a သည် မျဉ်း၏ slope ဖြစ်သည်။
- x သည် input တန်ဖိုးများဖြစ်သည်။
- b သည် ကြားဖြတ်ဖြစ်သည်။
ML ဖြင့် ဆက်နွယ်မှုကို y = b + wx အဖြစ် ရေးသည် ။
- y သည် ကျွန်ုပ်တို့ ခန့်မှန်းလိုသော အညွှန်းဖြစ်သည်။
- w သည် အလေးချိန် (လျှောစောက်)၊
- x သည် အင်္ဂါရပ်များ (ထည့်သွင်းမှုတန်ဖိုးများ)၊
- b သည် ကြားဖြတ်ဖြစ်သည်။
စက်သင်ယူမှု အညွှန်းများ
Machine Learning ဝေါဟာရတွင်၊ အညွှန်း သည် ကျွန်ုပ်တို့ ခန့်မှန်း လိုသော အရာ ဖြစ်သည်။
၎င်းသည် linear ဂရပ်တွင် y နှင့် တူသည်-
| အက္ခရာသင်္ချာ | စက်သင်ယူခြင်း။ |
| y = ပုဆိန် + b | y = b + wx |
စက်သင်ယူခြင်းအင်္ဂါရပ်များ
Machine Learning ဝေါဟာရတွင်၊ အင်္ဂါရပ် များသည် ထည့်သွင်းမှု ဖြစ်သည်။
၎င်းတို့သည် linear ဂရပ်တစ်ခုရှိ x တန်ဖိုးများနှင့်တူသည်-
| အက္ခရာသင်္ချာ | စက်သင်ယူခြင်း။ |
| y = a x + b | y = b + w x |
တစ်ခါတစ်ရံတွင် မတူညီသောအလေးချိန်များဖြင့် အင်္ဂါရပ်များစွာ (ထည့်သွင်းမှုတန်ဖိုးများ) ရှိနိုင်ပါသည်။
y = b + w1x1 + w2x2 + w3x3 + w4x4 _ _ _ _ _ _
စက်သင်ယူမှုပုံစံများ
မော်ဒယ် တစ်ခုသည် အညွှန်း (y) နှင့် အင်္ဂါရပ်များ (x) အကြား ဆက်နွယ်မှုကို သတ်မှတ်သည်။
မော်ဒယ်တစ်ဦး၏ဘဝတွင် အဆင့်သုံးဆင့်ရှိသည်။
- ဒေတာစုဆောင်းခြင်း။
- လေ့ကျင့်ရေး
- အနုမာန
စက်သင်ယူမှုသင်တန်း
လေ့ကျင့်ရေး၏ ရည်ရွယ်ချက်မှာ မေးခွန်းတစ်ခုကို ဖြေဆိုနိုင်သော ပုံစံတစ်ခုကို ဖန်တီးရန်ဖြစ်သည်။ အိမ်တစ်အိမ်အတွက် မျှော်မှန်းစျေးနှုန်းက ဘယ်လောက်လဲ။
Machine Learning Inference
Inference သည် တိုက်ရိုက်ဒေတာကို အသုံးပြု၍ ကိန်းဂဏန်းတန်ဖိုးများကို ကောက်ချက်ချရန် လေ့ကျင့်ထားသော မော်ဒယ်ကို အသုံးပြုသောအခါဖြစ်သည်။ မော်ဒယ်ကို ထုတ်လုပ်မှုမှာ ထည့်ထားသလိုပါပဲ။