A gépi tanulás három fajtája

Felügyelt tanulás, amikor ismert a helyes válasz

A felügyelt tanulásnál minden tanító példához tartozik egy helyes válasz, egy címke. Ha a gép sok ezer levelet lát, és mindegyikről tudja, hogy spam-e, megtanulhatja felismerni az újakat. Sok ezer lakás adatából, az árakkal együtt, egy új lakás ára is megbecsülhető. Az előbbi az osztályozás, ahol a válasz kategória, az utóbbi a regresszió, ahol a válasz szám. A vállalati AI alkalmazások többsége ide tartozik, a lemorzsolódás előrejelzésétől a kereslet becsléséig.

Az Elements of AI a legegyszerűbb felügyelt módszerrel, a legközelebbi szomszéd osztályozóval kezd. Egy új esetnél megkeresi a tanító adatok közül a hozzá leginkább hasonlót, és annak a címkéjét adja. Ennyi az egész, és mégis meglepően sok helyzetben jól működik. A gyengesége a hasonlóság meghatározása, mert ha rossz jellemzőket hasonlítunk össze, a legközelebbi szomszéd is rossz lesz.

A regresszió legismertebb formája a lineáris regresszió, amely egy egyenest illeszt az adatokra. Minden bemenő jellemzőhöz egy súly tartozik, amely megmondja, mennyit változik a becsült érték, ha a jellemző nő. Egy lakásnál ilyen a négyzetméter, a szobaszám vagy az emelet. A súlyokat a gép úgy állítja be, hogy a becslések a lehető legkisebb hibával essenek a valós árakhoz.

Felügyelet nélküli és megerősítéses tanulás

A felügyelet nélküli tanulásnál nincs címke, a gép maga keres szerkezetet az adatokban. Tipikus feladata a csoportosítás, például a vásárlók szétválogatása viselkedésük alapján olyan szegmensekbe, amelyeket előre senki nem definiált. Ilyenkor a gép mindig talál csoportokat, akkor is, ha az adatban valójában nincsenek, ezért az eredményt szakmai tudással kell értelmezni.

A megerősítéses tanulásnál a gép egy környezetben cselekszik, és jutalmat vagy büntetést kap a lépéseiért. Próbálkozásról próbálkozásra olyan stratégiát alakít ki, amely hosszú távon a legtöbb jutalmat hozza. Így tanultak meg játszani a legerősebb játékprogramok, és ez a módszer hangolja ma a nyelvi modellek viselkedését is az emberi visszajelzések alapján. A buktatója, hogy a gép azt tanulja meg, amit jutalmazunk, és ez nem mindig egyezik azzal, amit valójában szeretnénk.

Egy példa a lemorzsolódásról

Egy szegedi webáruház előfizetéses szolgáltatásánál azt vizsgáltuk, mely ügyfelek mondják fel a következő hónapban a tagságukat. A marketing elsőként felügyelet nélküli csoportosítást kért, hogy lássák, milyen vásárlói típusaik vannak. Érdekes csoportok születtek, de a lemorzsolódásról keveset árultak el. A fordulatot egy egyszerű felügyelt modell hozta, amelyet az elmúlt két év felmondásain tanítottunk, és a félretett utolsó negyedéven mértünk. Kiderült, hogy a legerősebb jel a legutóbbi rendelés óta eltelt idő és a panaszok száma, nem pedig az, amire a csapat gyanakodott, a kedvezmények hiánya.

A tanulság a módszerválasztásra vonatkozik. Ha van múltbeli adat a helyes válasszal, a felügyelt tanulás szinte mindig közvetlenebb utat ad az üzleti kérdéshez. A felügyelet nélküli módszerek a felfedezésben erősek, amikor még azt sem tudjuk, mit kellene keresni.

Források és további olvasnivaló

University of Helsinki és MinnaLearn, Elements of AI, 4. fejezet, The types of machine learning, The nearest neighbor classifier és Regression. Trevor Hastie, Robert Tibshirani és Jerome Friedman, The Elements of Statistical Learning, 2. kiadás, Springer, 2009. A jutalmazás csapdájáról Amikor az AI kijátssza a mérőszámot című cikkemben írtam. Mélyebben a Gépi tanulás alapjai kurzus dolgozza fel a témát.