ش | ی | د | س | چ | پ | ج |
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 |
میا و معایب یادگیری ماشین
مزایا یادگیری ماشین
۱- شناسایی راحت روندها و الگوها
یادگیری ماشین میتواند حجم زیادی از دادهها را بررسی کرده و روندها و الگوهای خاصی را که برای انسانها ناشناخته است، کشف کند.
۲- هیچ مداخله انسانی نیاز نیست (اتوماسیون)
با یادگیری ماشین دیگر لازم نیست که در هر مرحله از روند پروژه مستقیماً دخالت شود. ازآنجاکه این به معنی دادن توانایی یادگیری به ماشینها است، به آنها اجازه میدهد پیشبینیهایی را انجام داده و همچنین الگوریتمهای خود را نیز بهبود ببخشند.
۳- بهبود مستمر
الگوریتمهای یادگیری ماشین در حین اینکه تجربه به دست میآورند، دقت و کاراییشان نیز افزایش مییابد. این به آنها امکان تصمیمگیری بهتر میدهد.
۴- مدیریت دادههای چندبعدی و چند متغیره
الگوریتمهای یادگیری ماشین در بررسی دادههای چندبعدی و چند متغیره، بهخوبی عمل میکنند و میتوانند این کار را در محیطهای پویا یا نامعلوم انجام دهند.
۵- کاربردهای گسترده
سرویسدهنده سلامت الکترونیک و یا ارائهکننده خدمات بهداشتی با یادگیری ماشین قابل کار کردن است. یادگیری ماشین، در هرجایی که اعمال میشود، این قابلیت را دارد که تجربه شخصی بیشتری را به مشتریان ارائه دهد و درعینحال مشتریان مناسب را مورد هدف قرار دهد.
معایب یادگیری ماشین
باوجود تمام این مزایا برای قدرت و محبوبیت آن یادگیری ماشین بینقص نیست. عوامل زیر از محدودیتهای آن هستند:
۱- جمعآوری دادهها
یادگیری ماشین برای آموزش به مجموعه دادههای گسترده نیاز دارد و این مجموعه داده جامع، بیطرف و باکیفیت است. همچنین مواقعی وجود دارد که محققینها باید منتظر باشند تا دادههای جدید تولید شوند.
۲- زمان و منابع
یادگیری ماشین به زمان کافی نیاز دارد تا الگوریتمها را یاد بگیرد و بهاندازه کافی پیشرفت کند تا اهداف خود را با دقت و ارتباط انجام دهد. همچنین برای اجرا، به منابع بسیار زیادی نیاز دارد.
۳- تفسیر نتایج
چالش مهم دیگر، توانایی تفسیر کردن دقیق نتایج حاصل از الگوریتمها است. همچنین باید الگوریتمهای موردنظر خود را با دقت انتخاب کنید.
۴- حساسیت به خطای بالا
یادگیری ماشین خودگردان است اما بهشدت مستعد خطا است. فرض کنید که یک الگوریتم را با مجموعه دادهای کوچک که جامع نیست، آموزش دادید. شما با پیشبینیهای متعصبانهای روبهرو میشوید که از یک مجموعه آموزشی مغرضانه نشات میگیرند. این امر منجر به نمایش تبلیغات بیربط به مشتریان میشود. در یادگیری ماشین، چنین اشتباهاتی میتواند زنجیره خطاهایی را به وجود آورد که میتوانند برای مدت طولانی ناشناخته بمانند؛ و زمانی که متوجه خطا میشوند، مدتی طول میکشد تا منبع مشکل را تشخیص داده شود و حتی اصلاح آن مدت بیشتری زمان میبرد.