S:
"Rastgele yürüme" makine öğrenme algoritmalarında nasıl yardımcı olabilir?
A:Makine öğreniminde, teknolojinin makinenin nihai kavrayışının temelini oluşturan büyük eğitim veri setlerini gözden geçirmesine yardımcı olmak için çeşitli şekillerde "rastgele yürüme" yaklaşımı uygulanabilir.
Rastgele bir yürüyüş, matematiksel olarak, birkaç farklı teknik yolla tanımlanabilecek bir şeydir. Bazıları bunu randomize bir değişken koleksiyonu olarak tanımlar; diğerleri buna "stokastik süreç" diyebilir. Ne olursa olsun, rastgele yürüme, bir değişken kümesinin bir tamsayı kümesine göre rastgele artışlara dayalı bir desen olan bir yol aldığı bir senaryoyu düşünür: Örneğin, değişkenin her adımda artı veya eksi bir hareket ettiği bir sayı çizgisinde bir yürüyüş .
| Ücretsiz İndirme: Makine Öğrenmesi ve Neden Önemlidir |
Bu nedenle, makine öğrenme algoritmalarına rastgele bir yürüyüş uygulanabilir. Wired'de bir makalede açıklanan popüler bir örnek, sinir ağlarının insan bilişsel süreçlerini simüle etmek için nasıl çalışabileceğine dair çığır açan bazı teoriler için geçerlidir. Geçen Ekim ayında bir makine öğrenimi senaryosunda rastgele bir yürüyüş yaklaşımını karakterize eden Kablolu yazar Natalie Wolchover, metodolojinin çoğunu, makine öğrenimi aktivitesinin çeşitli aşamaları için bir yol haritası öneren veri bilimi öncüleri Naftali Tishby ve Ravid Shwartz-Ziv ile ilişkilendiriyor. Özellikle, Wolchover, programın amaçlanan amacına göre bir görüntü alanındaki alakasız veya yarı alakalı özellikleri veya yönleri filtrelemekle ilgili bir "sıkıştırma aşaması" nı tanımlar.
Genel fikir, karmaşık ve çok adımlı bir işlem sırasında, makinenin sonuçları optimize etmek için görüntü alanının farklı öğelerini "hatırlamak" veya "unutmak" için çalışmasıdır: Sıkıştırma aşamasında program "sıfırlama" olarak tanımlanabilir içinde "çevresel olanların hariç tutulması için önemli özellikler.
Uzmanlar, bu tür faaliyetlere atıfta bulunmak için "stokastik gradyan iniş" terimini kullanmaktadır. Daha az teknik semantikle açıklamanın bir başka yolu, algoritmanın gerçek programlamasının dereceler veya iterasyonlarla değişmesi, sonunda bir tür yönelime yol açacak "rastgele yürüme adımlarına" göre gerçekleşen öğrenme sürecini "ince ayarlamak" tır sentezi.
Mühendisler makine öğrenim süreçlerini sıkıştırma aşaması ve diğer ilgili aşamalar boyunca hareket ettirmek için çalışırken, mekaniklerin geri kalanı çok ayrıntılıdır. Daha geniş bir fikir, makine öğrenme teknolojisinin büyük eğitim setlerini değerlendirmesinin ömrü boyunca dinamik olarak değişmesidir: Makine, farklı durumlarda farklı flash kartlara bakmak yerine, aynı flash kartlara birden çok kez bakar veya rastgele, değişen, yinelemeli, rastgele bir şekilde onlara bakmak.
Yukarıdaki rastgele yürüme yaklaşımı, rastgele yürüyüşün makine öğrenmesine uygulanabilmesinin tek yolu değildir. Rastgele bir yaklaşıma ihtiyaç duyulan her durumda, rastgele yürüyüş, matematik öğrenme veya veri bilimcinin araç kitinin bir parçası olabilir, tekrar veri öğrenme sürecini iyileştirmek ve hızla ortaya çıkan bir alanda üstün sonuçlar sağlamak için.
Genel olarak, rastgele yürüme belirli matematiksel ve veri bilimi hipotezleriyle ilişkilidir. Rastgele bir yürüyüşün en popüler açıklamalarından bazıları borsa ve bireysel hisse senedi grafikleri ile ilgilidir. Burton Malkiel'in "Rastgele Bir Aşağı Sokak Duvarı" nda popüler olan bu hipotezlerden bazıları, bir hisse senedinin gelecekteki faaliyetinin aslında bilinemez olduğunu savunuyor. Bununla birlikte, diğerleri rastgele yürüyüş modellerinin analiz edilebileceğini ve öngörülebileceğini öne sürüyor ve modern makine öğrenme sistemlerinin genellikle borsa analizi ve günlük ticarete uygulanması tesadüf değil. Teknoloji alanındaki bilgi arayışı, parayla ilgili bilgi arayışıyla her zaman iç içedir ve makine öğrenimine rastgele yürüyüşler uygulama fikri bir istisna değildir. Öte yandan, bir fenomen olarak rastgele yürüyüş, yukarıda belirtilen matematiksel ilkelerin bazılarına göre, herhangi bir algoritmaya herhangi bir amaç için uygulanabilir. Mühendisler, bir ML teknolojisini test etmek veya özellik seçimine yönlendirmek veya modern ML sistemleri olan devasa, bizans kaleleriyle ilgili diğer kullanımlar için rastgele bir yürüyüş deseni kullanabilirler.
