{"id":30936,"date":"2019-10-31T21:38:20","date_gmt":"2019-10-31T18:38:20","guid":{"rendered":"https:\/\/prohoster.info\/blog\/mashinnoe-obuchenie-bez-python-anaconda-i-prochih-presmykayushhihsya\/"},"modified":"2019-10-31T21:38:20","modified_gmt":"2019-10-31T18:38:20","slug":"mashinnoe-obuchenie-bez-python-anaconda-i-prochih-presmykayushhihsya","status":"publish","type":"post","link":"https:\/\/prohoster.info\/sv\/blog\/news\/mashinnoe-obuchenie-bez-python-anaconda-i-prochih-presmykayushhihsya","title":{"rendered":"Maskininl\u00e4rning utan Python, Anaconda och andra reptiler","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Nej, jag menar f\u00f6rst\u00e5s inte allvar. Det m\u00e5ste finnas en gr\u00e4ns f\u00f6r hur mycket man kan f\u00f6renkla \u00e4mnet. Men f\u00f6r de f\u00f6rsta stegen, f\u00f6r att f\u00f6rst\u00e5 grundl\u00e4ggande koncept och snabbt \"komma in i \u00e4mnet\", kanske det \u00e4r acceptabelt. Hur vi korrekt ska namnge detta material (alternativ: \"Maskininl\u00e4rning f\u00f6r nyb\u00f6rjare\", \"Dataanalys fr\u00e5n grunden\", \"Algoritmer f\u00f6r de minsta\") diskuterar vi i slutet. <\/p>\n

Till saken. Jag har skrivit flera till\u00e4mpade program i MS Excel f\u00f6r att visualisera och tydligt visa processerna som \u00e4ger rum i olika metoder f\u00f6r maskininl\u00e4rning vid dataanalys. Seeing is believing, som kulturtillverkarna s\u00e4ger, som har utvecklat de flesta av dessa metoder (f\u00f6r \u00f6vrigt, l\u00e5ngt ifr\u00e5n alla. Den kraftfulla \"st\u00f6tdimensionmetoden\", eller SVM, support vector machine \u2013 \u00e4r uppfinning av v\u00e5r landsman Vladimir Vapnik, Moskva Institute of Management. 1963, f\u00f6r att vara exakt! Nu l\u00e4r han visserligen ut och arbetar i USA).<\/p>\n

Tre filer f\u00f6r granskning
\n<\/a><\/noindex><\/p>\n

1. Klustring med k-means-metoden<\/h2>\n

\nDenna typ av uppgift h\u00f6r till \"obevakat l\u00e4rande\", n\u00e4r vi beh\u00f6ver dela upp ing\u00e5ngsdata i ett f\u00f6rutbest\u00e4mt antal kategorier, men vi har ingen m\u00e4ngd \"korrekta svar\"; dessa m\u00e5ste vi extrahera ur sj\u00e4lva data. Den fundamentala klassiska uppgiften att hitta underarter av irisblommor (Ronald Fisher, 1936!) anses vara den f\u00f6rsta sp\u00e5ren av detta kunskapsomr\u00e5de - \u00e4r just av den naturen.<\/p>\n

Metoden \u00e4r ganska enkel. Vi har en upps\u00e4ttning objekt som representeras som vektorer (upps\u00e4ttningar av N nummer). F\u00f6r irisar handlar det om upps\u00e4ttningar av 4 nummer som karakt\u00e4riserar blomman: l\u00e4ngden och bredden av den yttre och inre delen av kalkbladet, respektive (Iris av Fisher - Wikipedia<\/a><\/noindex>). Som avst\u00e5nd, eller m\u00e5tt p\u00e5 n\u00e4rhet mellan objekten, v\u00e4ljs den vanliga euklidiska metrik.<\/p>\n

Vidare v\u00e4ljs klustercentrerna slumpm\u00e4ssigt (eller inte slumpm\u00e4ssigt, se vidare), och avst\u00e5ndet fr\u00e5n varje objekt till klustercentrerna ber\u00e4knas. Varje objekt i detta iterationssteg m\u00e4rks som tillh\u00f6rande den n\u00e4rmaste centrum. Sedan flyttas centrum f\u00f6r varje kluster till medelv\u00e4rdet av koordinaterna f\u00f6r sina medlemmar (i analogi med fysiken kallas det ocks\u00e5 \"tyngdpunkt\"), och proceduren upprepas.<\/p>\n

Processen konvergerar tillr\u00e4ckligt snabbt. P\u00e5 bilderna i tv\u00e5 dimensioner ser det ut s\u00e5 h\u00e4r:<\/p>\n

1. Den ursprungliga slumpm\u00e4ssiga f\u00f6rdelningen av punkter p\u00e5 planet och antalet kluster<\/p>\n

\"Maskininl\u00e4rning
\n
\n2. Angivande av klustrets centra och tilldelning av punkter till sina kluster<\/p>\n

\"Maskininl\u00e4rning
\n
\n3. Flytta koordinater f\u00f6r klustrets centra, omber\u00e4kna punkternas tillh\u00f6righet tills centren stabiliseras. Man kan se klustrets centrumr\u00f6relse mot sitt slutliga l\u00e4ge.<\/p>\n

\"Maskininl\u00e4rning
\n
\nVid varje tidpunkt kan man ange nya klustercentra (utan att generera en ny punktf\u00f6rdelning!) och se att uppdelningsprocessen inte alltid \u00e4r entydig. Matematiskt betyder detta att f\u00f6r den optimerade funktionen (summan av kvadraterna av avst\u00e5nden fr\u00e5n punkterna till centren av sina kluster) hittar vi inte det globala, utan ett lokalt minimum. Detta problem kan \u00f6vervinnas antingen genom att v\u00e4lja initiala klustercentra p\u00e5 ett icke-slumpm\u00e4ssigt s\u00e4tt, eller genom att pr\u00f6va m\u00f6jliga centra (ibland \u00e4r det f\u00f6rdelaktigt att placera dem exakt p\u00e5 n\u00e5gon av punkterna, s\u00e5 att vi \u00e5tminstone har en garanti f\u00f6r att vi inte f\u00e5r tomma kluster). I vilket fall som helst har en \u00e4ndlig m\u00e4ngd alltid en exakt nedre gr\u00e4ns. <\/p>\n

Du kan leka med den h\u00e4r filen via den h\u00e4r l\u00e4nken<\/a><\/noindex> (gl\u00f6m inte att aktivera makro-support. Filen har kontrollerats f\u00f6r virus)<\/p>\n

Metodens beskrivning p\u00e5 Wikipedia \u2014 k-medelv\u00e4rdesmetoden<\/a><\/noindex><\/p>\n

2. Approximationspolynom och datauppdelning. \u00d6veranpassning<\/h2>\n

\nDen ber\u00f6mda forskaren och vetenskapskommunikat\u00f6ren K.V. Vorontsov beskriver kort maskininl\u00e4rningstekniker som \"vetenskapen om att dra kurvor genom punkter\". I det h\u00e4r exemplet ska vi hitta m\u00f6nster i data med metoden f\u00f6r minsta kvadrat. <\/p>\n

Tekniken f\u00f6r uppdelning av ursprunglig data i \"tr\u00e4nings\" och \"test\" data visas, liksom fenomenet \u00f6veranpassning. Vid korrekt approximation kommer vi att ha en viss felmarginal p\u00e5 tr\u00e4ningsdata och en n\u00e5got st\u00f6rre p\u00e5 testdata. Vid felaktig \u2013 en exakt anpassning till tr\u00e4ningsdata och ett enormt fel p\u00e5 testdata.<\/p>\n

(Det \u00e4r ett k\u00e4nt faktum att det genom N punkter endast g\u00e5r att dra en unik kurva av N-1 grad, och denna metod ger i allm\u00e4nhet inte det \u00f6nskade resultatet. Lagrange interpoleringspolynom p\u00e5 Wikipedia<\/a><\/noindex>)<\/p>\n

1. Vi angiver den ursprungliga f\u00f6rdelningen<\/p>\n

\"Maskininl\u00e4rning
\n
\n2. Dela punkterna i \"tr\u00e4nings\" och \"test\" data i f\u00f6rh\u00e5llandet 70 till 30.<\/p>\n

\"Maskininl\u00e4rning
\n
\n3. Vi genererar en approximativ kurva baserat p\u00e5 tr\u00e4ningspunkter och ser felet den ger p\u00e5 testdata.<\/p>\n

\"Maskininl\u00e4rning
\n
\n4. Vi drar en exakt kurva genom tr\u00e4ningspunkterna och ser ett enormt fel p\u00e5 testdata (och noll p\u00e5 tr\u00e4ningsdata, men vad \u00e4r po\u00e4ngen?).<\/p>\n

\"Maskininl\u00e4rning
\n
\nH\u00e4r visas givetvis den enklaste varianten med en enda uppdelning i \"tr\u00e4nings\" och \"test\" delm\u00e4ngder, men i allm\u00e4nhet g\u00f6rs detta flera g\u00e5nger f\u00f6r att b\u00e4st justera koefficienterna.<\/p>\n

Fil tillg\u00e4nglig h\u00e4r, har kontrollerats av antivirus.<\/a><\/noindex> Aktivera makron f\u00f6r korrekt funktion.<\/p>\n

3. Gradientnedstigning och dynamiken av felets f\u00f6r\u00e4ndring.<\/h2>\n

\nH\u00e4r kommer ett fyrdimensionellt fall och linj\u00e4r regression. Koefficienterna f\u00f6r den linj\u00e4ra regressionen kommer att best\u00e4mmas stegvis med hj\u00e4lp av gradientnedstigning, d\u00e4r alla koefficienter initialt \u00e4r noll. P\u00e5 en separat graf syns dynamiken av minskningen av felet i takt med att koefficienterna justeras mer exakt. Det finns m\u00f6jlighet att se alla fyra tv\u00e5dimensionella projektioner.<\/p>\n

Om steget f\u00f6r gradientnedstigningen anges f\u00f6r stort, kommer vi att se att vi d\u00e4rmed missar minimipunkten varje g\u00e5ng och kommer till resultatet p\u00e5 fler steg, \u00e4ven om vi till slut \u00e4nd\u00e5 kommer dit (om vi inte \u00f6kar steget f\u00f6r mycket, d\u00e5 g\u00e5r algoritmen \"ur sp\u00e5r\"). Och grafen av felet i f\u00f6rh\u00e5llande till iterationssteget kommer att vara ryckig snarare \u00e4n j\u00e4mn.<\/p>\n

1. Vi genererar data och anger steget f\u00f6r gradientnedstigningen.<\/p>\n

\"Maskininl\u00e4rning
\n
\n2. Vid korrekt val av steget f\u00f6r gradientnedstigning kommer vi smidigt och tillr\u00e4ckligt snabbt till minimipunkten.<\/p>\n

\"Maskininl\u00e4rning
\n
\n3. Vid felaktigt val av steget f\u00f6r gradientnedstigning missar vi maximipunkten, grafen \u00f6ver felet \u00e4r \"ryckig\" och konvergensen tar fler steg.<\/p>\n

\"Maskininl\u00e4rning
\noch<\/p>\n

\"Maskininl\u00e4rning
\n
\n4. Vid helt felaktigt val av steget f\u00f6r gradientnedstigning avl\u00e4gsnar vi oss fr\u00e5n minimipunkten.<\/p>\n

\"Maskininl\u00e4rning
\n
\n(F\u00f6r att reproducera processen med de steg av gradientnedstigning som visas p\u00e5 bilderna, s\u00e4tt i kryss i \"referensdata\").<\/p>\n

Fil \u2013 via denna l\u00e4nk, makron m\u00e5ste aktiveras, det finns inga virus.<\/a><\/noindex><\/p>\n

Som det respekterade samh\u00e4llet bed\u00f6mer, \u00e4r det acceptabelt att f\u00f6renkla s\u00e5 h\u00e4r och metoden att presentera materialet? Ska artikeln \u00f6vers\u00e4ttas till engelska? <\/b>
\n
K\u00e4lla: habr.com<\/a><\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"

\u041d\u0435\u0442, \u043d\u0443 \u044f, \u043a\u043e\u043d\u0435\u0447\u043d\u043e, \u043d\u0435 \u0432\u0441\u0435\u0440\u044c\u0435\u0437. \u0414\u043e\u043b\u0436\u0435\u043d \u0436\u0435 \u0431\u044b\u0442\u044c \u043f\u0440\u0435\u0434\u0435\u043b, \u0434\u043e \u043a\u0430\u043a\u043e\u0439 \u0441\u0442\u0435\u043f\u0435\u043d\u0438 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e \u0443\u043f\u0440\u043e\u0449\u0430\u0442\u044c \u043f\u0440\u0435\u0434\u043c\u0435\u0442. \u041d\u043e \u0434\u043b\u044f \u043f\u0435\u0440\u0432\u044b\u0445 \u044d\u0442\u0430\u043f\u043e\u0432, \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u044f \u0431\u0430\u0437\u043e\u0432\u044b\u0445 \u043a\u043e\u043d\u0446\u0435\u043f\u0446\u0438\u0439 \u0438 \u0431\u044b\u0441\u0442\u0440\u043e\u0433\u043e \u00ab\u0432\u044a\u0435\u0437\u0436\u0430\u043d\u0438\u044f\u00bb \u0432 \u0442\u0435\u043c\u0443, \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c, \u0438 \u0434\u043e\u043f\u0443\u0441\u0442\u0438\u043c\u043e. \u0410 \u043a\u0430\u043a \u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e \u043f\u043e\u0438\u043c\u0435\u043d\u043e\u0432\u0430\u0442\u044c \u0434\u0430\u043d\u043d\u044b\u0439 \u043c\u0430\u0442\u0435\u0440\u0438\u0430\u043b (\u0432\u0430\u0440\u0438\u0430\u043d\u0442\u044b: \u00ab\u041c\u0430\u0448\u0438\u043d\u043d\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0434\u043b\u044f \u0447\u0430\u0439\u043d\u0438\u043a\u043e\u0432\u00bb, \u00ab\u0410\u043d\u0430\u043b\u0438\u0437 \u0434\u0430\u043d\u043d\u044b\u0445 \u0441 \u043f\u0435\u043b\u0435\u043d\u043e\u043a\u00bb, \u00ab\u0410\u043b\u0433\u043e\u0440\u0438\u0442\u043c\u044b \u0434\u043b\u044f \u0441\u0430\u043c\u044b\u0445 \u043c\u0430\u043b\u0435\u043d\u044c\u043a\u0438\u0445\u00bb), \u043e\u0431\u0441\u0443\u0434\u0438\u043c \u0432 \u043a\u043e\u043d\u0446\u0435. \u041a […]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":22912,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[702],"tags":[],"class_list":["post-30936","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\n","aioseo_head_json":{"title":"\ud83e\udd47Maskininl\u00e4rning utan Python, Anaconda och andra reptiler | ProHoster","description":"Nej, jag menar f\u00f6rst\u00e5s inte allvarligt. Det m\u00e5ste finnas en gr\u00e4ns f\u00f6r hur mycket ett \u00e4mne kan f\u00f6renklas. Men f\u00f6r de f\u00f6rsta stegen, f\u00f6r att f\u00f6rst\u00e5 de grundl\u00e4ggande koncepten och snabbt komma in i \u00e4mnet, kan det nog vara acceptabelt.","canonical_url":"https:\/\/prohoster.info\/sv\/blog\/news\/mashinnoe-obuchenie-bez-python-anaconda-i-prochih-presmykayushhihsya","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"sv_SE","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47\u041c\u0430\u0448\u0438\u043d\u043d\u043e\u0435 \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u0435 \u0431\u0435\u0437 Python, Anaconda \u0438 \u043f\u0440\u043e\u0447\u0438\u0445 \u043f\u0440\u0435\u0441\u043c\u044b\u043a\u0430\u044e\u0449\u0438\u0445\u0441\u044f | ProHoster","og:description":"\u041d\u0435\u0442, \u043d\u0443 \u044f, \u043a\u043e\u043d\u0435\u0447\u043d\u043e, \u043d\u0435 \u0432\u0441\u0435\u0440\u044c\u0435\u0437. \u0414\u043e\u043b\u0436\u0435\u043d \u0436\u0435 \u0431\u044b\u0442\u044c \u043f\u0440\u0435\u0434\u0435\u043b, \u0434\u043e \u043a\u0430\u043a\u043e\u0439 \u0441\u0442\u0435\u043f\u0435\u043d\u0438 \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e \u0443\u043f\u0440\u043e\u0449\u0430\u0442\u044c \u043f\u0440\u0435\u0434\u043c\u0435\u0442. \u041d\u043e \u0434\u043b\u044f \u043f\u0435\u0440\u0432\u044b\u0445 \u044d\u0442\u0430\u043f\u043e\u0432, \u043f\u043e\u043d\u0438\u043c\u0430\u043d\u0438\u044f \u0431\u0430\u0437\u043e\u0432\u044b\u0445 \u043a\u043e\u043d\u0446\u0435\u043f\u0446\u0438\u0439 \u0438 \u0431\u044b\u0441\u0442\u0440\u043e\u0433\u043e \u00ab\u0432\u044a\u0435\u0437\u0436\u0430\u043d\u0438\u044f\u00bb \u0432 \u0442\u0435\u043c\u0443, \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c, \u0438 \u0434\u043e\u043f\u0443\u0441\u0442\u0438\u043c\u043e.","og:url":"https:\/\/prohoster.info\/sv\/blog\/news\/mashinnoe-obuchenie-bez-python-anaconda-i-prochih-presmykayushhihsya","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2019-10-31T18:38:20+00:00","article:modified_time":"2019-10-31T18:38:20+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"30936","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":"2026-01-21 03:45:19","breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-03-01 03:27:05","updated":"2026-01-21 03:45:19","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/posts\/30936","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/comments?post=30936"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/posts\/30936\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/media\/22912"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/media?parent=30936"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/categories?post=30936"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/sv\/wp-json\/wp\/v2\/tags?post=30936"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}