குழும கற்றல் என்பது ஒரு இயந்திர கற்றல் நுட்பமாகும், இது கணினியின் ஒட்டுமொத்த செயல்திறன் மற்றும் முன்கணிப்பு சக்தியை மேம்படுத்த பல மாதிரிகளை இணைப்பதை உள்ளடக்கியது. குழுமக் கற்றலின் பின்னணியில் உள்ள அடிப்படை யோசனை என்னவென்றால், பல மாதிரிகளின் கணிப்புகளை ஒருங்கிணைப்பதன் மூலம், விளைந்த மாதிரியானது பெரும்பாலும் சம்பந்தப்பட்ட தனிப்பட்ட மாதிரிகள் எதையும் விஞ்சிவிடும்.
குழுமக் கற்றலுக்கு பல்வேறு அணுகுமுறைகள் உள்ளன, அவற்றில் இரண்டு மிகவும் பொதுவானவை பேக்கிங் மற்றும் பூஸ்ட்டிங். பேக்கிங், பூட்ஸ்ட்ராப் திரட்டுதலுக்கான சுருக்கம், பயிற்சித் தரவின் வெவ்வேறு துணைக்குழுக்களில் ஒரே மாதிரியின் பல நிகழ்வுகளைப் பயிற்றுவித்து, பின்னர் அவற்றின் கணிப்புகளை இணைப்பதை உள்ளடக்குகிறது. இது அதிகப்படியான பொருத்துதலைக் குறைக்கவும், மாதிரியின் நிலைத்தன்மை மற்றும் துல்லியத்தை மேம்படுத்தவும் உதவுகிறது.
மறுபுறம், பூஸ்டிங், மாடல்களின் வரிசையைப் பயிற்றுவிப்பதன் மூலம் செயல்படுகிறது, அங்கு ஒவ்வொரு அடுத்தடுத்த மாதிரியும் முந்தைய மாடல்களால் தவறாக வகைப்படுத்தப்பட்ட எடுத்துக்காட்டுகளில் கவனம் செலுத்துகிறது. பயிற்சி எடுத்துக்காட்டுகளின் எடையை மீண்டும் மீண்டும் சரிசெய்வதன் மூலம், பலம் குறைந்த வகைப்படுத்திகளின் வரிசையிலிருந்து வலுவான வகைப்படுத்தியை அதிகரிப்பது உருவாக்கலாம்.
சீரற்ற காடுகள் ஒரு பிரபலமான குழும கற்றல் முறையாகும், இது பல முடிவு மரங்களை இணைக்க பேக்கிங்கைப் பயன்படுத்துகிறது. ஒவ்வொரு மரமும் அம்சங்களின் சீரற்ற துணைக்குழுவில் பயிற்றுவிக்கப்படுகிறது மற்றும் அனைத்து மரங்களின் கணிப்புகளையும் சராசரியாக வைத்து இறுதி கணிப்பு செய்யப்படுகிறது. சீரற்ற காடுகள் அவற்றின் அதிக துல்லியம் மற்றும் மிகைப்படுத்துதலுக்கான வலுவான தன்மைக்காக அறியப்படுகின்றன.
மற்றொரு பொதுவான குழும கற்றல் நுட்பம் சாய்வு அதிகரிப்பு ஆகும், இது பல பலவீனமான கற்பவர்களை ஒருங்கிணைக்கிறது, பொதுவாக முடிவு மரங்கள், ஒரு வலுவான முன்கணிப்பு மாதிரியை உருவாக்குகிறது. ஒவ்வொரு புதிய மாடலையும் முந்தைய மாடல்கள் செய்த எஞ்சிய பிழைகளுடன் பொருத்துவதன் மூலம் கிரேடியன்ட் பூஸ்டிங் செயல்படுகிறது, ஒவ்வொரு மறு செய்கையிலும் படிப்படியாக பிழையைக் குறைக்கிறது.
வகைப்பாடு, பின்னடைவு மற்றும் ஒழுங்கின்மை கண்டறிதல் உள்ளிட்ட பல்வேறு இயந்திர கற்றல் பயன்பாடுகளில் குழும கற்றல் பரவலாகப் பயன்படுத்தப்படுகிறது. பல மாதிரிகளின் பன்முகத்தன்மையை மேம்படுத்துவதன் மூலம், குழும முறைகள் பெரும்பாலும் தனிப்பட்ட மாதிரிகளை விட சிறந்த பொதுமைப்படுத்தல் மற்றும் வலிமையை அடைய முடியும்.
குழும கற்றல் என்பது இயந்திர கற்றலில் ஒரு சக்திவாய்ந்த நுட்பமாகும், இது முன்கணிப்பு செயல்திறனை மேம்படுத்த பல மாதிரிகளை இணைப்பதை உள்ளடக்கியது. வெவ்வேறு மாதிரிகளின் பலத்தை மேம்படுத்துவதன் மூலமும், அவற்றின் தனிப்பட்ட பலவீனங்களைக் குறைப்பதன் மூலமும், குழும முறைகள் பல்வேறு பயன்பாடுகளில் அதிக துல்லியம் மற்றும் வலிமையை அடைய முடியும்.
தொடர்பான பிற சமீபத்திய கேள்விகள் மற்றும் பதில்கள் EITC/AI/GCML கூகிள் கிளவுட் மெஷின் கற்றல்:
- பேச்சுக்கு உரை
- இயந்திர கற்றலில் பெரிய தரவுத்தொகுப்புகளுடன் பணிபுரிவதில் உள்ள வரம்புகள் என்ன?
- இயந்திர கற்றல் சில உரையாடல் உதவிகளை செய்ய முடியுமா?
- டென்சர்ஃப்ளோ விளையாட்டு மைதானம் என்றால் என்ன?
- பெரிய தரவுத்தொகுப்பு உண்மையில் என்ன அர்த்தம்?
- அல்காரிதத்தின் ஹைபர்பாராமீட்டர்களின் சில எடுத்துக்காட்டுகள் யாவை?
- தேர்ந்தெடுக்கப்பட்ட இயந்திர கற்றல் அல்காரிதம் பொருத்தமானதாக இல்லாவிட்டால் என்ன செய்வது மற்றும் சரியானதைத் தேர்ந்தெடுப்பதை எவ்வாறு உறுதிப்படுத்துவது?
- ஒரு இயந்திர கற்றல் மாதிரி அதன் பயிற்சியின் போது மேற்பார்வை தேவையா?
- நியூரல் நெட்வொர்க் அடிப்படையிலான அல்காரிதம்களில் பயன்படுத்தப்படும் முக்கிய அளவுருக்கள் யாவை?
- டென்சர்போர்டு என்றால் என்ன?
EITC/AI/GCML Google Cloud Machine Learning இல் கூடுதல் கேள்விகள் மற்றும் பதில்களைக் காண்க