Indhold
- Definition - Hvad betyder træningsdata?
- En introduktion til Microsoft Azure og Microsoft Cloud | Gennem denne vejledning lærer du, hvad cloud computing handler om, og hvordan Microsoft Azure kan hjælpe dig med at migrere og drive din virksomhed fra skyen.
- Techopedia forklarer træningsdata
Definition - Hvad betyder træningsdata?
Ideen om at bruge træningsdata i maskinlæringsprogrammer er et simpelt koncept, men det er også meget grundlæggende for den måde, disse teknologier fungerer på. Træningsdataene er et indledende sæt data, der bruges til at hjælpe et program med at forstå, hvordan man anvender teknologier som neurale netværk til at lære og producere sofistikerede resultater. Det kan suppleres med efterfølgende datasæt kaldet validerings- og testsæt.
Træningsdata er også kendt som et træningssæt, træningsdatasæt eller læringssæt.
En introduktion til Microsoft Azure og Microsoft Cloud | Gennem denne vejledning lærer du, hvad cloud computing handler om, og hvordan Microsoft Azure kan hjælpe dig med at migrere og drive din virksomhed fra skyen.
Techopedia forklarer træningsdata
Træningssættet er det materiale, som computeren lærer, hvordan man behandler information. Maskinlæring bruger algoritmer - den efterligner den menneskelige hjernes evner til at indtage forskellige input og veje dem for at producere aktiveringer i hjernen i de individuelle neuroner. Kunstige neuroner gentager meget af denne proces med software - maskinindlæring og neurale netværksprogrammer, der giver meget detaljerede modeller af, hvordan vores menneskelige tankeprocesser fungerer.
Med det for øje kan træningsdata struktureres på forskellige måder. For sekventielle beslutningstræer og disse typer algoritmer ville det være et sæt rå eller alfanumeriske data, der bliver klassificeret eller på anden måde manipuleret. På den anden side er træningssættet ofte sammensat af neurale netværk, der har at gøre med billedbehandling og computervision, sammensat af et stort antal billeder. Idéen er, at fordi maskinlæringsprogrammet er så komplekst og så sofistikeret, bruger det iterativ træning på hvert af disse billeder for i sidste ende at være i stand til at genkende funktioner, figurer og endda emner som mennesker eller dyr. Træningsdataene er absolut væsentlige for processen - de kan betragtes som den ”mad”, som systemet bruger til at betjene.