Грокаем а Иллюстрированное пособие для программистов и любопытствующих

ЛИНИЯ


ТОЧКА


о сути это та же задача, что и задача классификации апельсинов и грейп­фрутов. В общем случае алгоритмы OCR основаны на выделении линий, точек и кривых.
Затем при получении нового символа из него можно извлечь те же при­знаки.
Извлечение признаков в OCR происходит намного сложнее, чем в примере с фруктами. Однако важно понимать, что даже сложные технологии стро­ятся на основе простых идей (таких, как алгоритм k ближайших соседей).
Те же принципы могут использоваться для распознавания речи или распо­знавания лиц. Когда вы отправляете фотографию на Facebook, иногда сайту хватает сообразительности для автоматической пометки людей на фото. Да это машинное обучение в действии!
Первый шаг OCR, в ходе которого перебираются изображения цифр и про­исходит извлечение признаков, называется тренировкой. В большинстве алгоритмов машинного обучения присутствует фаза тренировки: прежде чем компьютер сможет решить свою задачу, его необходимо натренировать. В следующем примере рассматривается создание спам-фильтров, и в нем тоже есть шаг тренировки.
Построение спам-фильтра
Спам-фильтры используют другой простой алгоритм, называемый наив­ным классификатором Байеса. Сначала наивный классификатор Байеса тренируется на данных.
Т
СПАМ?
НЕ СПАМ СПАМ СПАМ СПАМ НЕ СПАМ

ЕМА
«ИЗМЕНИТЕ ПАРОЛЬ»
«ЬЫ ВЫИГРАЛИ МИЛЛИОН»
«СООБЩИТЕ СБОЙ ПАРОЛЬ»
«НИГЕРИЙСКИЙ ПРИНЦ ГОТОВ ПЕРЕВЕСТИ ВАМ МИЛЛИОН» «С ДНЕМ РОЖДЕНИЯ!»
Предположим, вы получили сообщение с темой «Получите свой миллион прямо сейчас!» Это спам? Предложение можно разбить на слова, а затем для каждого слова проверить вероятность присутствия этого слова в спамо- вом сообщении. Например, в нашей очень простой модели слово «миллион» встречается только в спаме. Наивный классификатор Байеса вычисляет вероятность того, что сообщение с большой вероятностью является спамом. На практике он применяется примерно для тех же целей, что и алгоритм k ближайших соседей.
Например, наивный классификатор Байеса может использоваться для клас­сификации фруктов: есть большой и красный фрукт. Какова вероятность того, что он окажется грейпфрутом? Это простой, но весьма эффективный алгоритм — из тех, что нам нравятся больше всего!
Прогнозы на биржевых торгах
Есть одна задача, в которой трудно добиться успеха машинным обучением: точно спрогнозировать курсы акций на бирже. Как выбрать хорошие при­знаки? Предположим, вы говорите, что если курс акций рос вчера, то он будет расти и сегодня. Хороший это признак или нет? Или, предположим, вы утверждаете, что курс всегда снижается в мае. Сработает или нет? Не су­ществует гарантированного способа прогнозировать будущее на основании прошлых данных. Прогнозирование будущего — сложное дело, а при таком количестве переменных оно становится почти невозможным.