Что такое машинное обучение (Machine Learning)

Определение

При машинном обучении правило пишет не человек, его находят в примерах. Системе показывают много прошлых случаев вместе с результатом, например прошлые пятницы и сколько в них продали хлеба, и она находит закономерность, которая их связывает. Потом она применяет эту закономерность к новому случаю, чтобы спрогнозировать число или отнести объект к группе. В учебнике Тома Митчелла Machine Learning (1997) обучение определено широко: любая компьютерная программа, которая с опытом улучшает свою работу над задачей. В бизнесе опыт означает примеры, и модель становится лучше, только когда её переобучают на новых.

Почему это важно

Понимая, как оно работает, вы знаете, что проверять: прогноз хорош ровно настолько, насколько хороши примеры за ним, и он может ошибаться. Прежде чем действовать по прогнозу, кто-то должен решить, достаточно ли он хорош.

Напрямую связано: ИИ (искусственный интеллект, AI), Обучение модели (Model Training), Модель ИИ (AI Model).

Советы по улучшению

• До старта решите, как часто прогноз может ошибаться и всё равно приносить пользу.
• Дайте модели примеры всех важных для вас ситуаций, например праздников и плохой погоды, иначе она их не выучит.
• Переобучайте модель, когда бизнес меняется, например появилась новая линейка товаров или новые часы работы: она училась на старой ситуации.
• Решение действовать по прогнозу оставьте человеку, который знает бизнес.

Частые ошибки

• Думать, что модель сама улучшается по ходу работы, хотя она улучшается, только когда её переобучают на новых данных.
• Применять машинное обучение к решению, которое нужно объяснить клиенту, когда найденную закономерность объяснить нельзя.
• Продолжать пользоваться прогнозом после того, как бизнес изменился, хотя старые примеры его больше не описывают.