Bài 25. Làm quen với Học máy (CS) – Tóm tắt Tin học 12

1. Máy tính học như thế nào?

Trong lập trình truyền thống, con người viết từng quy tắc xử lí rõ ràng rồi giao cho máy tính chạy theo. Cách này hiệu quả với bài toán đơn giản nhưng khó làm với công việc phức tạp như nhận diện khuôn mặt hay dự đoán giá nhà, bởi con người không thể liệt kê đủ mọi luật.

Học máy đi theo hướng ngược lại: thay vì viết sẵn quy tắc, ta đưa cho máy tính nhiều dữ liệu mẫu để chương trình tự tìm ra quy luật chung, rồi dùng quy luật đó để xử lí các trường hợp mới.

Khái niệm học máy

Học máy (machine learning) là lĩnh vực của trí tuệ nhân tạo nghiên cứu cách cho máy tính tự học từ dữ liệu, từ đó rút ra quy luật và đưa ra dự đoán hoặc quyết định đối với dữ liệu mới, mà không cần được lập trình tường minh cho từng trường hợp.

2. Các loại hình học máy

Định nghĩa

Học có giám sát (supervised learning): mỗi mẫu dữ liệu đi kèm đáp án đúng (nhãn) đã biết trước. Máy tính học cách suy ra đầu ra từ đầu vào dựa trên các cặp mẫu đã cho. Hai dạng bài toán thường gặp là phân loại (classification), cho kết quả là nhãn rời rạc, và hồi quy (regression), cho kết quả là giá trị số liên tục.
Học không giám sát (unsupervised learning): chỉ có dữ liệu đầu vào, không có nhãn. Máy tính tự tìm cấu trúc ẩn bên trong dữ liệu, thường dùng để phân cụm (clustering) hoặc tìm mối liên hệ.
Học tăng cường (reinforcement learning): chương trình (tác tử) tương tác với môi trường, sau mỗi hành động nhận được phần thưởng hoặc hình phạt, từ đó điều chỉnh hành vi để đạt được nhiều phần thưởng nhất theo thời gian.

So sánh nhanh:

Loại hình	Dữ liệu	Ứng dụng điển hình
Có giám sát	Có nhãn mẫu	Phân loại thư rác; dự đoán giá nhà
Không giám sát	Không có nhãn	Phân nhóm khách hàng theo hành vi mua sắm
Tăng cường	Tương tác qua thưởng và phạt	Dạy máy chơi cờ; robot tự cân bằng

3. Dữ liệu và mô hình trong học máy

Định nghĩa

Mẫu dữ liệu (sample): một đối tượng cụ thể được dùng để học hoặc dự đoán.
Đặc trưng (feature): các thông tin định lượng hoặc định tính mô tả mẫu, ví dụ trọng lượng, màu sắc, diện tích.
Nhãn (label): đáp án đúng tương ứng với mẫu trong bài toán học có giám sát.
Tập huấn luyện (training set): dữ liệu dùng để máy tính học.
Tập kiểm thử (test set): dữ liệu giữ riêng để đánh giá mô hình sau khi học.
Mô hình (model): kết quả của quá trình học, dùng để dự đoán trên dữ liệu mới.

Ví dụ trong học có giám sát, mỗi mẫu thường viết thành cặp $(x;y)$ , trong đó $x$ là vectơ đặc trưng còn $y$ là nhãn cần dự đoán.

4. Quy trình giải quyết vấn đề bằng học máy

Quy trình xây dựng mô hình học máy

1.
Xác định bài toán và mục tiêu: cần phân loại, dự đoán hay phân nhóm.
2.
Thu thập dữ liệu thực tế có liên quan.
3.
Tiền xử lý dữ liệu: làm sạch, loại bỏ dữ liệu thiếu hoặc nhiễu, chuyển đổi dạng dữ liệu, chuẩn hoá khoảng giá trị.
4.
Chia dữ liệu thành tập huấn luyện và tập kiểm thử.
5.
Chọn thuật toán phù hợp với bài toán.
6.
Huấn luyện mô hình bằng tập huấn luyện.
7.
Đánh giá mô hình trên tập kiểm thử theo các chỉ số như độ chính xác (accuracy).
8.
Tinh chỉnh và đưa mô hình vào sử dụng.

5. Ví dụ minh họa

Ví dụ 1

Phân biệt hai loại quả theo khối lượng và màu sắc. Cho bộ dữ liệu huấn luyện gồm các mẫu dạng (khối lượng; màu sắc; loại quả). Cho mẫu mới (145 g; đỏ), hãy cho biết loại quả cần dự đoán.

Lời giải · 2 bước

Bộ dữ liệu huấn luyện có thể trình bày:

Đặc trưng 1: khối lượng (g)	Đặc trưng 2: màu sắc	Nhãn: loại quả
150	đỏ	táo
160	đỏ	táo
130	vàng	cam
120	vàng	cam

Bước 2

Mô hình học máy học mối liên hệ giữa hai cột đặc trưng và cột nhãn. Quan sát dữ liệu cho thấy quả màu đỏ thường nặng hơn và là táo, còn quả màu vàng là cam. Vì vậy, mẫu mới (145 g; đỏ) có đặc trưng màu sắc gần giống nhóm táo nên mô hình dự đoán loại quả là táo.

Ví dụ 2

Dự đoán giá nhà theo diện tích sử dụng.

Lời giải

Bài toán cho ra giá tiền, là giá trị số liên tục, nên thuộc dạng hồi quy của học có giám sát. Dữ liệu huấn luyện gồm nhiều cặp (diện tích; giá nhà). Mô hình tìm được một công thức liên hệ diện tích với giá, sau đó người dùng nhập diện tích mới để nhận giá dự đoán.

Lưu ý

Dữ liệu huấn luyện thiếu chính xác hoặc chứa nhiễu sẽ dẫn đến mô hình sai. Chất lượng dữ liệu quyết định chất lượng mô hình.
Đặc trưng phải thật sự liên quan đến bài toán; nếu chọn đặc trưng kém thì kết quả dự đoán kém dù có nhiều dữ liệu.
Không nên đánh giá mô hình chỉ bằng chính tập huấn luyện, vì có trường hợp mô hình học vẹt dữ liệu cũ. Tập kiểm thử giúp kiểm chứng khả năng xử lí dữ liệu mới.

6. Câu hỏi ôn tập

Câu hỏi 1

1.
Nêu sự khác biệt giữa lập trình truyền thống và học máy.
2.
Phân biệt học có giám sát, học không giám sát và học tăng cường.
3.
Trình bày các bước xây dựng một mô hình học máy đơn giản.

Gợi ý trả lời

1. Lập trình truyền thống là con người viết quy tắc, máy tính thực hiện; học máy là đưa dữ liệu để máy tính tự tìm ra quy luật. 2. Học có giám sát có nhãn mẫu, gồm phân loại và hồi quy; học không giám sát không có nhãn, thường dùng để phân cụm; học tăng cường học qua tương tác môi trường và phần thưởng. 3. Xác định bài toán; thu thập và tiền xử lý dữ liệu; chia tập huấn luyện và tập kiểm thử; chọn thuật toán; huấn luyện; đánh giá; tinh chỉnh; triển khai.