Μηχανική μάθηση: Διαφορά μεταξύ των αναθεωρήσεων
Περιεχόμενο που διαγράφηκε Περιεχόμενο που προστέθηκε
επέκταση μεταφρ. και συμπλήρωση παραπομπών |
μΧωρίς σύνοψη επεξεργασίας |
||
Γραμμή 2:
the same field."</ref><sup class="reference" style="white-space:nowrap;" contenteditable="false">:2</sup>
Η μηχανική μάθηση είναι στενά συνδεδεμένη και συχνά συγχέεται με [[υπολογιστική στατιστική]], ένας κλάδος, που επίσης επικεντρώνεται στην πρόβλεψη μέσω της χρήσης των υπολογιστών. Έχει ισχυρούς δεσμούς με την [[Βελτιστοποίηση|μαθηματική βελτιστοποίηση]], η οποία παρέχει μεθόδους, τη θεωρία και τομείς εφαρμογής. Η Μηχανική μάθηση εφαρμόζεται σε μια σειρά από υπολογιστικές εργασίες, όπου τόσο ο σχεδιασμός όσο και ο ρητός προγραμματισμός των αλγορίθμων είναι ανέφικτος. Παραδείγματα εφαρμογών αποτελούν τα φίλτρα [[spam]] (spam filtering), η [[Οπτική Αναγνώριση Χαρακτήρων|οπτική αναγνώριση χαρακτήρων]] (OCR),<ref name="Wernick-Signal-Proc-July-2010">Wernick, Yang, Brankov, Yourganov and Strother, Machine Learning in Medical Imaging, ''IEEE Signal Processing Magazine'', vol. 27, no. 4, July 2010, pp. 25-38</ref>οι [[Μηχανή αναζήτησης|μηχανές αναζήτησης]] και η υπολογιστική όραση. Η Μηχανική μάθηση μερικές φορές συγχέεται με [[Εξόρυξη δεδομένων|την εξόρυξη δεδομένων]],<ref>{{Πρότυπο:Cite conference|last=Mannila|first=Heikki|title=Data mining: machine learning, statistics, and databases|conference=Int'l Conf. Scientific and Statistical Database Management|publisher=IEEE Computer Society|year=1996}}</ref> , όπου η τελευταία επικεντρώνεται περισσότερο στην εξερευνητική ανάλυση των δεδομένων, γνωστή και ως
the same field."</ref><sup class="reference" style="white-space:nowrap;">:vii</sup><ref>{{Πρότυπο:Cite journal|title=Data Mining and Statistics: What's the connection?|last=Friedman|first=Jerome H.|authorlink=Jerome H. Friedman|journal=Computing Science and Statistics|issue=1|year=1998|volume=29|pages=3–9}}</ref>
|