Машинное обучение
-
Основы машинного обучения
- Машинное обучение — это процесс, в котором алгоритмы учатся на данных, чтобы предсказывать результаты.
- Обучение включает в себя обучение с учителем, когда алгоритмы обучаются на помеченных данных, и обучение без учителя, когда алгоритмы изучают данные без явных меток.
-
Классификация машинного обучения
- Обучение с учителем включает контролируемое обучение, когда алгоритмы обучаются на помеченных данных, и неконтролируемое обучение, когда алгоритмы изучают данные без меток.
- Контролируемое обучение включает в себя классификацию, регрессию и изучение сходства.
- Неконтролируемое обучение включает кластеризацию, уменьшение размерности и оценку плотности.
-
Обучение с подкреплением
- Обучение с подкреплением — это обучение, при котором алгоритмы максимизируют вознаграждение в среде.
- Алгоритмы обучения с подкреплением используют динамическое программирование и не требуют точной математической модели.
-
Уменьшение размерности
- Уменьшение размерности — это процесс уменьшения числа случайных величин путем получения основных переменных.
- Методы уменьшения размерности включают анализ главных компонент и гипотезу многообразия.
-
Самообучение
- Самообучение — это обучение без внешних вознаграждений и советов.
- Самообучающиеся алгоритмы, такие как crossbar adaptive array, управляются взаимодействием между познанием и эмоциями.
-
Изучение особенностей
- Алгоритмы изучения признаков стремятся сохранить исходную информацию и преобразовать ее для выполнения задач классификации или прогнозирования.
- Изучение функций может быть контролируемым или неконтролируемым, и включает в себя искусственные нейронные сети и многолинейное подпространство.
-
Интеллектуальная машина
- Интеллектуальная машина — это машина, которая усваивает представление, позволяющее объяснить наблюдаемые данные.
- Изучение разреженного словаря — это метод обнаружения особенностей без явных алгоритмов.
- Пересказана только часть статьи. Для продолжения перейдите к чтению оригинала.
Полный текст статьи: