Machine learning क्या है, इसके प्रकार - Machine learning and Its Type In Hindi

 मशीन लर्निंग (Machine learning) क्या है

मशीन लर्निंग आर्टिफीसियल इंटेलिजेंस का ही एक प्रकार है जिससे मशीन अपने अनुभवों और data की मदद से खुद से ही सीखती है और उन चीजो के बारे में अनुमान लगाती है.

दूसरे शब्दों में कहें तो, “मशीन लर्निंग एक ऐसी तकनीक होती है जो किसी भी मशीन को खुद से learn करने की क्षमता प्रदान करता है.” मशीन या कंप्यूटर द्वारा खुद से learn करने की ability मशीन लर्निंग कहलाती है. Machine learning का अविष्कार 1959 में Arthur Samuel ने किया जाता था.

मशीन लर्निंग में कंप्यूटर या मशीन को बेहतर बनाने के लिए algorithms का प्रयोग किया जाता है जो सिस्टम को सोचने और समझने की छमता प्रदान करता है। इसके algorithm का प्रयोग बहुत से कार्यो में किया जाता है जैसे -medicine, email filtering, speech recognition, और computer vision आदि.

Machine Learning

 मशीन लर्निंग के प्रकार

इसके प्रकार निम्नलिखित होते हैं:-

1. Supervised learning
2. Unsupervised learning
3. Semi-supervised learning
4. Reinforcement learning

1. Supervised Learning

Supervised learning मशीन लर्निंग का ही एक प्रकार है जिसमें labeled data का इस्तेमाल मशीन को प्रशिक्षण देने के लिए किया जाता है. सरल शब्दो में इसे समझे तो supervised learning एक ऐसी प्रक्रिया है जिसमे सिस्टम input data की मदद से  यूजर को सही output data प्रदान करता है.

Supervised learning निगरानी (supervision) पर आधारित लर्निंग होती है। जैसे कि – एक student (छात्र) टीचर की निगरानी में चीजों को सीखता है. Supervised Machine learning का उपयोग Risk Assessment, Image classification, Fraud Detection, और spam filtering आदि जैसे कई क्षेत्रो में किया जाता है.

Supervised Learning के प्रकार

Supervised learning दो प्रकार की होती है :

• Regression

Regression supervised learning का ही एक प्रकार है. यह एक ऐसी तकनीक है जिसका इस्तेमाल independent और dependent के बीच की रिलेशनशिप का पता लगाने के लिए किया जाता है.

Regression भी कई प्रकार के होते है जैसे Linear Regression, Non-Linear Regression, Polynomial Regression, Bayesian Linear Regression और Regression Trees आदि.

• Classification

Classification एक तरह का एल्गोरिथ्म है जिसमें डेटा को categories में organize (व्यवस्थित) किया जाता है. क्लासिफिकेशन का प्रयोग डेटा को क्लास या ग्रुप में classify करने के लिए किया जाता है.

Classification में, डेटा को classify करने के लिए गणितीय तकनीक जैसे:-decision trees, linear programming, तथा neural network आदि का प्रयोग किया जाता है.

2. Unsupervised learning

Unsupervised learning supervised learning की विपरीत क्रिया होती है. सरल शब्दो में कहे तो “इसमें unlabeled data का इस्तेमाल मशीन को ट्रेनिंग देने के लिए किया जाता है. यह एक ऐसी learning है जिसमें machine बिना किसी supervision के चीजों को सीखती है.

Unsupervised learning मशीन को मनुष्य की तरह सोचने में, मनुष्य की तरह behave करना , कार्य करना और सोचना आदि सिखाती है.

Unsupervised Learning के प्रकार

यह भी मुख्य रूप से दो प्रकार की होती हैं:-

• Clustering

Clustering एक ऐसी विधि होती है जिसमे objects को अलग-अलग groups में विभाजित किया जाता है, इसमें एकसमान objects को एक ही ग्रुप में रखा जाता है और जो objects अलग होते है उन्हें दुसरे ग्रुप में रखा जाता है.

हमारी सामान्य जिंदगी में भी clustering का role होता है. उदाहरण के लिए किसी restaurant में Veg और Non-Veg food अलग अलग होता है और vehicle showroom में cars, bikes तथा अन्य vehicles होती है.

• Association

Association एक ऐसी तकनीक है जो यह बताता है कि objects एक दूसरे से किस प्रकार associate (जुड़ी) हुई है. Association बड़े डेटाबेस में variables के बीच रिलेशनशिप को खोजने की एक बहुत ही प्रसिद्ध विधि है.

3. Semi-supervised learning

Semi-Supervised learning, supervised learning और unsupervised learning दोनों से मिलकर बनी होती है, इसलिए यह दोनों का कॉम्बिनेशन होती है.

इसमें मशीन को सिखाने के लिए कम मात्रा में labeled data और ज्यादा मात्रा में unlabeled data का इस्तेमाल किया जाता है.

4. Reinforcement Learning

Reinforcement learning एक ऐसी लर्निंग है जिसमें agent को सही कार्य करने पर reward दिया जाता है और गलत कार्य करने पर penalty दी जाती है. इसमें feedback के आधार पर agent अपने-आप सीखता है और खुद को improve करता है.

उदाहरण के लिए- एक रोबोट जो खुद ही अपने हाथों को चलाना सीखता है. यह रोबोट reinforcement learning का एक example है.

Thanks For Reading.