Page 186 - Công nghệ kỹ thuật và công nghệ thông tin trong tiến trình công nghiệp hóa - hiện đại hóa Đồng bằng sông Cửu Long
P. 186

9.4.2.2  Máy học

            Kỹ thuật phân loại đa lớp trong máy học được áp dụng để dự đoán cho từng
          bệnh xuất hiện tại các ao nuôi. Cách tiếp cận phân tách một lớp so với phần
          còn lại của dữ liệu là việc chia tập dữ liệu nhiều lớp thành nhiều bài toán phân
          loại nhị phân. Mỗi bài toán nhị phân chỉ dự đoán cho một lớp. Nói cách khác,
          phương pháp này liên quan đến việc huấn luyện dữ liệu cho từng lớp, có nghĩa
          là các mẫu thuộc lớp được huấn luyện là “possitive” và tất cả các mẫu khác
          là “negative”. Ở đây, phương pháp “một so với tổng thể” được áp dụng để xử
          lý dự đoán cho từng bệnh. Phương pháp này được sử dụng từ thư viện scikit-
          learn của ngôn ngữ python (Pedregosa, 2011). Có bốn thuật toán bao gồm hồi
          quy logistic, mạng lưới neuron, tăng cường độ dốc và rừng ngẫu nhiên được
          sử dụng.
               Hồi quy logistic

            Mô hình hồi quy logistic thường được áp dụng để dự đoán xác suất. Phương
          trình của nó được mô tả là:

                             
                     log (    ) =    +       +       + ⋯ +                      (1)
                                                                  
                                                2 2
                                        1 1
                                   0
                          1−  
               Trong đó, ρ là xác suất xảy ra còn β là hệ số của các biến độc lập. Ở
          đây, kết quả là xác suất xuất hiện bệnh, tức là bệnh đốm trắng/chậm lớn/viêm
          gan tụy sẽ xảy ra hoặc sẽ không xảy ra.
               Mạng lưới neuron
               Mạng lưới thần kinh là một phương pháp phát triển từ ý tưởng mô
          phỏng bộ não con người (Zou et al., 2008). Cấu trúc của mạng neuron bao
          gồm nhiều nút (neuron) nằm ở các lớp. Có ba lớp chính bao gồm lớp đầu vào,
          lớp ẩn và lớp đầu ra. Lớp đầu vào bao gồm các neuron nhận thông tin từ thế
          giới bên ngoài, các lớp ẩn có trách nhiệm ánh xạ các mẫu thông tin bên trong
          trong khi lớp đầu ra đóng vai trò chuyển tiếp kết quả ra ngoài. Dữ liệu được
          xử lý trong mỗi nút và mỗi nút trong các lớp ẩn nhận vào các giá trị là các
          đầu ra từ các nút trước đó, sau đó kết hợp với hệ số hoặc trọng số để tính toán
          kết quả cho các nút tiếp theo.

               Rừng ngẫu nhiên

               Rừng ngẫu nhiên dựa trên nguyên tắc cây quyết định. Cây quyết định
          bao gồm nút gốc và các nút trung gian nhận các đầu vào để xử lý và các nút
          lá là đầu ra. Rừng ngẫu nhiên tạo ra mô hình dự đoán bằng cách chọn mẫu
          ngẫu nhiên và sử dụng các đặc điểm để xây dựng nhiều cây quyết định. Trong

          172
   181   182   183   184   185   186   187   188   189   190   191