Q:
"การเดินสุ่ม" จะมีประโยชน์ในอัลกอริทึมการเรียนรู้ของเครื่องได้อย่างไร
A:ในการเรียนรู้ของเครื่องสามารถใช้วิธีการ "สุ่มเดิน" ได้หลายวิธีเพื่อช่วยให้เทคโนโลยีลอดผ่านชุดข้อมูลการฝึกอบรมขนาดใหญ่ที่เป็นพื้นฐานสำหรับความเข้าใจในที่สุดของเครื่อง
การเดินแบบสุ่มทางคณิตศาสตร์เป็นสิ่งที่สามารถอธิบายได้หลายวิธีทางเทคนิค บางคนอธิบายว่าเป็นการรวบรวมตัวแปรแบบสุ่ม คนอื่นอาจเรียกมันว่า "กระบวนการสุ่ม" โดยไม่คำนึงว่าการเดินแบบสุ่มพิจารณาสถานการณ์ที่ชุดตัวแปรใช้เส้นทางที่เป็นรูปแบบตามการเพิ่มขึ้นแบบสุ่มตามชุดจำนวนเต็ม: ตัวอย่างเช่นการเดินบนเส้นจำนวนที่ตัวแปรเคลื่อนที่บวกหรือลบทีละขั้นตอน .
| ดาวน์โหลดฟรี: การเรียนรู้ของเครื่องและเหตุผลที่สำคัญ |
ดังนั้นการเดินแบบสุ่มสามารถนำไปใช้กับอัลกอริทึมการเรียนรู้ของเครื่อง ตัวอย่างหนึ่งที่ได้รับความนิยมที่อธิบายไว้ในชิ้นส่วนใน Wired ใช้กับทฤษฎีที่ไม่เคยมีมาก่อนเกี่ยวกับวิธีที่เครือข่ายประสาทสามารถทำงานเพื่อจำลองกระบวนการรับรู้ของมนุษย์ นำเสนอวิธีการเดินแบบสุ่มในสถานการณ์การเรียนรู้ของเครื่องเมื่อเดือนตุลาคมที่ผ่านมานักเขียนชื่อเรื่อง Natalie Wolchover ได้อธิบายถึงวิธีการส่วนใหญ่สำหรับนักบุกเบิกด้านข้อมูลวิทยาศาสตร์ Naftali Tishby และ Ravid Shwartz-Ziv ผู้แนะนำแผนที่ถนน โดยเฉพาะ Wolchover อธิบาย "ขั้นตอนการบีบอัด" ที่เกี่ยวข้องกับการกรองคุณสมบัติหรือลักษณะที่ไม่เกี่ยวข้องหรือกึ่งที่เกี่ยวข้องในฟิลด์ภาพตามวัตถุประสงค์ที่ต้องการของโปรแกรม
แนวคิดทั่วไปคือในระหว่างกระบวนการที่ซับซ้อนและหลายขั้นตอนเครื่องจะทำงานเพื่อ "จดจำ" หรือ "ลืม" องค์ประกอบต่าง ๆ ของฟิลด์รูปภาพเพื่อปรับผลลัพธ์ให้เหมาะสมที่สุด: ในระยะการบีบอัดโปรแกรมสามารถอธิบายได้ว่า "zeroing" ใน "เกี่ยวกับคุณสมบัติที่สำคัญของการยกเว้นอุปกรณ์ต่อพ่วง
ผู้เชี่ยวชาญใช้คำว่า "การไล่ระดับสีแบบสุ่มสุ่ม" เพื่ออ้างถึงกิจกรรมประเภทนี้ อีกวิธีหนึ่งในการอธิบายด้วยความหมายทางเทคนิคที่น้อยกว่าก็คือการเขียนโปรแกรมจริงของอัลกอริทึมจะเปลี่ยนตามองศาหรือการวนซ้ำเพื่อ "ปรับ" ที่กระบวนการเรียนรู้ที่เกิดขึ้นตาม "ขั้นตอนการเดินสุ่ม" ซึ่งจะนำไปสู่ สังเคราะห์.
ส่วนที่เหลือของกลศาสตร์มีรายละเอียดมากเนื่องจากวิศวกรทำงานเพื่อย้ายกระบวนการเรียนรู้ของเครื่องผ่านขั้นตอนการบีบอัดและการวางขั้นตอนอื่น ๆ ที่เกี่ยวข้อง แนวคิดที่กว้างกว่าคือเทคโนโลยีการเรียนรู้ของเครื่องเปลี่ยนแปลงตลอดช่วงชีวิตของการประเมินชุดฝึกอบรมขนาดใหญ่: แทนที่จะมองดูแฟลชการ์ดที่แตกต่างกันในแต่ละกรณีเครื่องจะดูแฟลชการ์ดเดียวกันหลาย ๆ ครั้งหรือดึงแฟลชการ์ดที่ สุ่มมองพวกเขาในทางที่เปลี่ยนแปลงซ้ำแล้วซ้ำอีกสุ่ม
วิธีการเดินแบบสุ่มข้างต้นไม่ใช่วิธีเดียวที่การสุ่มเดินสามารถนำไปใช้กับการเรียนรู้ของเครื่อง ไม่ว่าในกรณีใดที่จำเป็นต้องใช้วิธีการสุ่มการเดินแบบสุ่มอาจเป็นส่วนหนึ่งของชุดเครื่องมือของนักคณิตศาสตร์หรือนักวิทยาศาสตร์ข้อมูลเพื่อปรับกระบวนการเรียนรู้ข้อมูลอีกครั้งและให้ผลลัพธ์ที่เหนือกว่าในฟิลด์ที่เกิดขึ้นใหม่อย่างรวดเร็ว
โดยทั่วไปการเดินแบบสุ่มนั้นเกี่ยวข้องกับสมมติฐานทางคณิตศาสตร์และวิทยาศาสตร์ข้อมูลบางอย่าง คำอธิบายยอดนิยมบางส่วนของการเดินแบบสุ่มเกี่ยวข้องกับตลาดหุ้นและแผนภูมิหุ้นแต่ละรายการ ดังที่ได้รับความนิยมใน "A Random Walk Down Wall Street" ของ Burton Malkiel สมมติฐานเหล่านี้บางคนแย้งว่ากิจกรรมในอนาคตของหุ้นนั้นเป็นสิ่งที่ไม่สามารถเข้าใจได้ อย่างไรก็ตามคนอื่น ๆ แนะนำว่ารูปแบบการเดินแบบสุ่มสามารถวิเคราะห์และคาดการณ์ได้และไม่มีเหตุบังเอิญที่ระบบการเรียนรู้ของเครื่องจักรที่ทันสมัยมักใช้กับการวิเคราะห์ตลาดหุ้นและการซื้อขายรายวัน การแสวงหาความรู้ในด้านเทคโนโลยีเป็นและได้รับการโอบล้อมด้วยการแสวงหาความรู้เกี่ยวกับเงินและความคิดของการใช้การเดินสุ่มเพื่อการเรียนรู้เครื่องจะไม่มีข้อยกเว้น ในทางกลับกันการเดินแบบสุ่มเป็นปรากฏการณ์สามารถนำไปใช้กับอัลกอริทึมเพื่อวัตถุประสงค์ใด ๆ ตามหลักการทางคณิตศาสตร์ที่กล่าวถึงข้างต้น วิศวกรอาจใช้รูปแบบการเดินแบบสุ่มเพื่อทดสอบเทคโนโลยี ML หรือปรับทิศทางไปสู่การเลือกคุณลักษณะหรือสำหรับการใช้งานอื่น ๆ ที่เกี่ยวข้องกับปราสาทขนาดยักษ์ไบเซนไทน์ในอากาศซึ่งเป็นระบบ ML ที่ทันสมัย
