CHƯƠNG 1: CƠ SỞ LÝ THUYẾT VỀ HỌC MÁY VÀ MÔ HÌNH HỒI QUY DỰ ĐOÁN 1.1 Tổng quan học máy Hình 1.1 Trí tuệ nhân tạo và học máy Nguồn: Sưu tầm Trong những năm gần đây, Trí Tuệ Nhân Tạo (AI-Artificial Intelligence) mà cụ thể hơn là Học Máy (ML – Machine Learning) ngày càng phát triển mạnh mẽ trong công cuộc cách mạng công nghiệp lần thứ tư. AI không ngừng len lỏi vào mọi lĩnh vực trong đời sống mà có thể chúng ta không nhận ra. Có thể kể đến như xe tự hành của VinFast và Tesla, hệ thống tự gắn khuôn mặt trong ảnh của Facebook, trợ lý ảo Siri của Apple, hệ thống gợi ý sản phẩm của Amazon, hệ thống gợi ý phim của Netflix, ChatGPT của OpenAI,. và tất cả sản phẩm công nghệ đó chỉ là một phần nhỏ mà những gì AI/ML mang lại.
Vậy học máy là gì và tại sao nó lại quan trọng đến thế? 1.1 Học máy là gì? Học máy hay Machine learning là một nhánh của trí tuệ nhân tạo (AI) và khoa học máy tính, được tập trung vào việc sử dụng dữ liệu và thuật toán để bắt chước hành động của con người, từ đó dần cải thiện mức độ chính xác của nó. 1 Ngoài ra, học máy còn là một thành phần quan trọng của lĩnh vực khoa học dữ liệu đang phát triển từ việc sử dụng các phương pháp thống kê, các thuật toán được đào tạo để đưa ra các phân loại hoặc dự đoán và khám phá những thông tin chi tiết từ chính các dự án khai thác dữ liệu. Thông qua đó, các thông tin chi tiết có được thúc đẩy việc đưa ra quyết định đối với các ứng dụng và doanh nghiệp, tác động mạnh đến các chỉ số tăng trưởng. Khi dữ liệu lớn tiếp tục nhu cầu mở rộng và phát triển thì việc đòi hỏi nhu cầu tuyển dụng các nhà khoa học dữ liệu sẽ tăng lên.
Họ sẽ được yêu cầu xác định các câu hỏi kinh doanh có liên quan nhất và dữ liệu để trả lời chúng. Bài toán của Machine Learning thường được chia làm ba thành phần chính như sau: Học có giám sát, học không giám giát và học bán giám sát. Các thuật toán học máy có thể được sử dụng để giải quyết các vấn đề như phân loại, dự đoán, nhận dạng và gợi ý,… 1.2 Các kỹ thuật trong học máy Học máy được phân chia thành ba kỹ thuật chính như sau: a) Học có giám sát (Supervised learning) Học có giám sát (Supervised learning) còn được gọi là máy học có giám sát, được định nghĩa bằng cách sử dụng các tập dữ liệu được gắn nhãn để huấn luyện các thuật toán phân loại dữ liệu hoặc dự đoán kết quả một cách chính xác. Một số ứng dụng tiêu biểu của học máy có giám sát chẳng hạn như phân loại thư rác, dự đoán giá nhà, dự đoán giá xe, nhận dạng chữ viết tay, nhận dạng khuôn mặt,.
Các phương pháp được sử dụng trong học máy có giám sát là Cây quyết định (Decision Tree), Rừng ngẫu nhiên (Random Forest), Navie Bayes, hồi quy tuyến tính, hồi quy logistic, thuật toán SVM,… Ưu điểm: Học có giám sát cho phép thu thập dữ liệu và tạo ra dữ liệu đầu ra từ những kinh nghiệm trước đó. Giúp tối ưu hóa các tiêu chí hiệu 2 suất với sự trợ giúp của kinh nghiệm và giúp giải quyết nhiều vấn đề trong thực tế Nhược điểm: Việc đào tạo các mô hình giải quyết bài toàn cho học có giám sát cần rất nguồn lực và thời gian để có thể tính toán việc này đòi hỏi rất nhiều thời gian.2 Quy trình hoạt động của Supervised learning Nguồn: Vinbigdata b) Học không giám sát (Unsupervised learning) Học không giám sát (Unsupervised learning) là học máy không giám sát, được định nghĩa bằng cách cho máy tính học trên dữ liệu mà không được gán nhãn, các thuật toán machine learning sẽ tìm ra sự tương quan dữ liệu, mô hình hóa dữ liệu hay chính là làm cho máy tính có kiến thức, hiểu về dữ liệu, từ đó chúng có thể phân chia dữ liệu về sau thành các nhóm (clustering) có đặc điểm giống nhau mà chúng đã được học. Học không có giám sát có thể được dùng kết hợp với suy luận Bayes để cho ra xác suất có điều kiện (nghĩa là học có giám sát) cho bất kì biến ngẫu nhiên nào khi biết trước các biến khác. Ngoài ra, học không giám sát cũng hữu ích cho việc nén dữ liệu: về cơ bản, mọi giải thuật nén dữ liệu hoặc là dựa vào một phân bố xác suất trên một tập đầu vào một cách tường minh hay 3 không tường minh.
Một dạng khác của học không có giám sát là phân nhóm dữ liệu, nó đôi khi không mang tính xác suất. Một số ứng dụng thực tế của Học máy không giám sát ví dụ như: phân khúc khách hàng, gợi ý giỏ hàng, khách hàng rời bỏ dịch vụ,… Các thuật toán được sử dụng trong machine learning không giám sát bao gồm: • K-mean • Mô hình hỗn hợp Gaussian • Phân cụm phân cấp • PCA / T-SNE Hình 1.3 Quy trình hoạt động của Unsupervised learning Nguồn: Vinbigdata c) Học bán giám sát (Semi-supervised learning) Semi-supervised Learning cung cấp một phương tiện kết nối giữa học máy có giám sát và học máy không giám sát. Trong quá trình đào tạo, nó sử dụng một tập dữ liệu có nhãn nhỏ hơn để hướng dẫn phân loại và trích xuất tính năng từ một tập dữ liệu lớn hơn mà không được gắn nhãn. Semi- 4 supervised Learning có thể giải quyết vấn đề không có đủ dữ liệu được gắn nhãn để đào tạo thuật toán học có giám sát.4 Quy trình hoạt động của Semi-supervised learning Nguồn: Simplilearn 1.3 Sự quan trọng của học máy Học máy là một nhánh nghiên cứu rất quan trọng của trí tuệ nhân tạo với khá nhiều ứng dụng thành công trong thực tế.
Hiện nay, học máy là một trong những lĩnh vực phát triển mạnh nhất của trí tuệ nhân tạo. Có một số lý do giải thích cho sự cần thiết và phát triển của học máy như sau: Tăng khả năng nhận dạng: Sẽ rất khó xây dựng hệ thống thông minh có thể thực hiện các công việc liên quan đến trí tuệ như thị giác máy tính, xử lý ngôn ngữ tự nhiên mà không sử dụng tới kinh nghiệm và quá trình học. Thông thường, khi viết chương trình, cần có thuật toán rõ ràng để chuyển đổi đầu vào thành đầu ra. Tuy nhiên, trong nhiều bài toán, rất khó để xây dựng được thuật toán như vậy.
Như trong ví dụ về nhận dạng chữ ở trên, người bình thường có khả năng nhận dạng các chữ rất tốt nhưng rất khó để giải thích vì sao từ đầu vào là ảnh lại kết luận được đây là ký tự cụ thể nào. Học máy machine learning cho phép tìm ra giải pháp cho 5 những trường hợp như vậy dựa trên dữ liệu, chẳng hạn bằng cách tìm ra điểm chung và riêng giữa rất nhiều ảnh chụp các ký tự. Tăng khả năng thích nghi: Nhiều ứng dụng đòi hỏi chương trình máy tính phải có khả năng thích nghi. Ví dụ, hành vi mua sắm của khách hàng có thể thay đổi theo thời điểm cụ thể trong ngày, trong năm, hoặc theo tuổi tác.
Việc xây dựng thuật toán cố định cho những ứng dụng cần thích nghi và thay đổi là không phù hợp. Học máy machine learning mang lại khả năng thích nghi nhờ phân tích dữ liệu thu thập được. Ứng dụng trí tuệ nhân tạo do con người tạo ra: Việc tìm được chuyên gia và thu thập được tri thức cần thiết cho việc thiết kế thuật toán để giải quyết các vấn đề tương đối khó, trong khi dữ liệu ngày càng nhiều và có thể thu thập dễ dàng hơn. Khả năng lưu trữ và tính toán của máy tính cũng ngày càng tăng, cho phép thực hiện thuật toán học máy machine learning trên dữ liệu có kích thước lớn.
Cuối cùng, bản thân khả năng học là một hoạt động trí tuệ quan trọng của con người, do vậy học tự động hay học máy luôn thu hút được sự quan tâm khi xây dựng hệ thống thông minh.4 Ứng dụng của học máy Học máy là một lĩnh vực trong khoa học máy tính có mục tiêu là xây dựng các thuật toán mới hoặc tận dụng các thuật toán hiện có để học hỏi từ dữ liệu, nhằm xây dựng các mô hình có thể tổng quát hóa trong việc đưa ra các dự đoán chính xác hoặc để tìm ra các mẫu, đặc biệt là với dữ liệu tương tự mới và chưa thấy trong bộ dữ liệu huấn luyện. Học máy kết hợp dữ liệu với các công cụ thống kê để dự đoán kết quả đầu ra. Kết quả này sau đó được sử dụng để đưa ra những thông tin chi tiết hữu ích cho một tác vụ nào đó. Sau khi được huấn luyện, máy có khả năng 6 nhận dữ liệu làm đầu vào, sử dụng một thuật toán và đưa ra câu trả lời tương ứng cho dữ liệu đó.
Học máy có rất nhiều ứng dụng trong thực tế, có thể kể đến như: Hỗ trợ các nhiệm vụ thường ngày của con người: Học máy hỗ trợ con người thực hiện các công việc hàng ngày mà không cần kiểm soát hoàn toàn đầu ra, chẳng hạn như: Trợ lý ảo, Phân tích dữ liệu,… Mục tiêu sử dụng chính của học máy trong trường hợp này là là để giảm lỗi do thành kiến của con người. Nó có thể hỗ trợ con người đưa ra quyết định làm giảm công sức và sai sót do con người. Tự động hóa: Học máy trong nhiều trường hợp có thể hoạt động hoàn toàn tự chủ mà không cần bất kỳ sự can thiệp nào của con người. Ví dụ, robot thực hiện các bước thiết yếu trong các quy trình sản xuất tại nhà máy.
Ngành tài chính, ngân hàng: Học máy đang ngày càng phổ biến trong ngành tài chính, ngân hàng. Các ngân hàng chủ yếu sử dụng học máy để tìm ra các mẫu bên trong dữ liệu để tăng hiệu quả của hoạt động kinh doanh, marketing hoặc ngăn chặn các giao dịch gian lận. Tổ chức chính phủ: Chính phủ sử dụng học máy để quản lý các tiện ích và an toàn công cộng. Chẳng hạn, Trung Quốc sử dụng một hệ thống nhận dạng khuôn mặt khổng lồ cho các hoạt động thanh toán phi tiền mặt và chấm điểm công dân, ngăn chặn các hoạt động phạm tội.
Y tế: Y tế là một trong những lĩnh vực đầu tiên sử dụng học máy và có nhiều ứng dụng trong thực tế, chẳng hạn như các mô hình nhận diện hình ảnh, phân loại, dự đoán bệnh, đưa ra các phác đồ điều trị, thậm chí nghiên cứu mức độ tương hợp thuốc với từng người sử dụng dựa trên dữ liệu gen và tiền xử bệnh lý.