Метка: Machine learning
-
Байесовская оптимизация — Википедия
Байесовская оптимизация Основы Байесовской оптимизации Байесовская оптимизация — это метод последовательного проектирования для оптимизации функций черного ящика без функциональных форм. Используется для оптимизации функций с высокой стоимостью оценки, особенно в задачах с ограниченным числом измерений. История и стратегия Термин введен Йонасом Мокусом в 1970-х и 1980-х годах. Применяется для максимизации функций, где набор точек основан…
-
Суррогатная модель — Википедия
Суррогатная модель Основы суррогатного моделирования Суррогатное моделирование — это метод замены реальных данных их приближенными аналогами для оптимизации алгоритмов. Используется для решения задач, где реальные данные недоступны или слишком сложны для анализа. Применение в инженерных задачах Применяется в аэрокосмической, автомобильной и других отраслях для оптимизации сложных систем. Позволяет проводить эксперименты с виртуальными моделями, снижая затраты…
-
Вероятностные числа — Википедия
Вероятностные числа Основы вероятностных численных методов Вероятностные численные методы используют вероятностные модели для решения математических задач. Они основаны на вероятностных распределениях и используют статистические методы для оценки параметров. История и развитие Вероятностные методы возникли в 19 веке, но их развитие было медленным. В 20 веке они стали активно использоваться в вычислительной математике и численном анализе. …
-
Временной ряд — Википедия
Временные ряды Основы анализа временных рядов Временные ряды представляют собой упорядоченные наборы данных, которые изменяются со временем. Анализ временных рядов включает изучение закономерностей и предсказание будущих значений. Типы временных рядов Простейшие временные ряды состоят из одного значения, в то время как сложные могут содержать сотни или тысячи значений. Временные ряды могут быть стационарными или нестационарными,…
-
Масштабирование функций — Википедия
Масштабирование объектов Контролируемое обучение Обучение с заранее определенными целями и критериями оценки. Включает методы классификации, регрессии, кластеризации и другие. Обучение без присмотра Обучение на немаркированных данных, часто используется в машинном обучении. Включает обучение с подкреплением и методы, основанные на правилах. Онлайн-обучение Обучение в распределенной среде, где данные и алгоритмы распределены по сети. Включает методы, такие…
-
Машинное обучение — Википедия
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…
-
Индуктивная вероятность — Википедия
Индуктивная вероятность Основы теории вероятностей Теория вероятностей изучает закономерности в случайных событиях. Вероятность события — это мера его возможности. Вероятность связана с частотой, но может быть заменена на другие показатели при непрерывности. Функции и выражения Функции используются для описания сложных отношений между переменными. Выражения используются для описания сложных событий и их последствий. Кодирование и сжатие…
-
Обнаружение аномалий — Википедия
Обнаружение аномалий Основы обнаружения аномалий Обнаружение аномалий — это процесс выявления нетипичного поведения или событий в данных. Аномалии могут быть вызваны ошибками, мошенничеством, неисправностями или нарушениями экосистем. Применение в различных областях Обнаружение аномалий используется в системах обнаружения вторжений, финансовых технологиях, видеонаблюдении, ИТ-инфраструктуре, системах интернета вещей и нефтяной промышленности. Методы обнаружения аномалий В литературе предложено множество…
-
Разработка функций — Википедия
Разработка функциональных возможностей Основы машинного обучения Машинное обучение — это область искусственного интеллекта, которая изучает данные и использует их для создания моделей. Обучение с учителем включает в себя предоставление модели обучающих данных с метками классов. Обучение без учителя включает в себя изучение данных без предоставления меток классов. Разработка функций Разработка функций — это этап предварительной…
-
Справедливость (машинное обучение) — Википедия
Справедливость (машинное обучение) Определение справедливости классификатора Справедливость классификатора — это способность модели правильно предсказывать положительные и отрицательные классы. Модель считается справедливой, если она предсказывает положительные классы с высокой точностью и отрицательные классы с высокой точностью. Матрица путаницы и ее использование Матрица путаницы используется для оценки точности модели и помогает определить эффективность классификации. Она состоит из…
-
Семантический анализ (машинное обучение) — Википедия
Семантический анализ (машинное обучение) Основы семантического анализа Семантический анализ в машинном обучении — это построение структур для понимания концепций из набора документов. Не требует предварительного понимания семантики документов. Метаязык на основе логики предикатов и символы могут использоваться для анализа речи. Обоснованный язык эквивалентен распознаванию машиночитаемого значения. Методы и подходы Латентный семантический анализ представляет документы в…
-
Программирование на примере — Википедия
Программирование на примере Основы программирования на примере (PbE) PbE — это метод обучения компьютера новым действиям через демонстрацию. Система записывает действия пользователя и генерирует обобщенную программу. Считается, что PbE проще традиционного программирования, требующего изучения языков. Применение и исследования PbE использовался в исследовательских прототипах, но не получил широкого распространения. В последнее время он стал полезным для…
-
Индуктивное программирование — Википедия
Индуктивное программирование Определение индуктивного программирования Индуктивное программирование изучает программы на основе неполных спецификаций. Включает обучение алгоритмов на основе обучающих данных и оценок. Методы индуктивного программирования Используют различные языки программирования, включая функциональные и логические. Включают индуктивное логическое программирование и другие парадигмы. История и развитие Начались в 1970-х, получили теоретическую основу. Разделились на этапы преобразования примеров в…
-
Индуктивное программирование — Википедия
Индуктивное программирование Определение индуктивного программирования Индуктивное программирование изучает программы на основе неполных спецификаций. Включает обучение алгоритмов на основе обучающих данных и оценок. Методы индуктивного программирования Используют различные языки программирования, включая функциональные и логические. Включают индуктивное логическое программирование и другие парадигмы. История и развитие Начались в 1970-х, получили теоретическую основу. Разделились на этапы преобразования примеров в…
-
Астрономия, управляемая данными — Википедия
Астрономия, основанная на данных Основы астрономии, основанной на данных (DDA) DDA использует науку о данных для анализа астрономических данных. Включает обработку данных, интеллектуальный анализ и машинное обучение. Результаты используются для изучения космоса и создания теорий. История DDA Проект Galaxy Zoo в 2007 году классифицировал галактики с помощью машинного обучения. Проект использовал 900 000 изображений из…
-
Скорость обучения — Википедия
Скорость обучения Основные понятия машинного обучения Контролируемое обучение: обучение с заранее определенными целями и критериями оценки. Обучение без присмотра: обучение, при котором не требуется вмешательство человека. Онлайн-обучение: обучение, которое происходит в режиме реального времени. Пакетное обучение: обучение, при котором данные делятся на пакеты для обработки. Мета-обучение: обучение, направленное на улучшение способности модели к обучению. Обучение…
-
Глоссарий искусственного интеллекта — Википедия
Глоссарий по искусственному интеллекту Глоссарий по искусственному интеллекту содержит определения терминов и понятий, связанных с ИИ и смежными областями. Глоссарий включает термины из области компьютерных наук, робототехники и машинного зрения. Термины включают искусственный общий интеллект, интеллектуальный агент, планирование, компьютерное зрение, обработку естественного языка и робототехнику. Глоссарий также охватывает безопасность ИИ, машинное обучение, символический, глубокое обучение,…
-
Формальный концептуальный анализ — Википедия
Анализ формальной концепции Формальный концептуальный анализ (FCA) — метод анализа данных, основанный на формальных понятиях и концептуальных решетках. FCA рассматривает объекты, изменяющиеся во времени, и формализует их состояние в виде объектных концепций формального контекста. Алгоритмы и инструменты FCA позволяют генерировать формальные концепции и строить концептуальные решетки. Формальные понятия могут быть интерпретированы как двудольные графы, что…
-
Временной ряд — Википедия
Временные ряды Временные ряды представляют собой наборы данных, упорядоченных во времени. Анализ временных рядов включает изучение закономерностей и предсказание будущих значений. Модели временных рядов могут быть линейными или нелинейными, с различными условиями стационарности и эргодичности. Инструменты для анализа временных рядов включают автокорреляционные функции, преобразование Фурье и другие методы. Показатели и признаки временных рядов могут быть…
-
Сплайн многомерной адаптивной регрессии — Википедия
Многомерный адаптивный регрессионный сплайн MARS (Multivariate Adaptive Regression Splines) — метод регрессионного моделирования, основанный на использовании базисных функций. MARS использует обобщенную перекрестную проверку для сравнения производительности различных моделей. MARS обладает гибкостью и простотой понимания, подходит для обработки как непрерывных, так и категориальных данных. Модели MARS имеют хороший баланс между смещением и дисперсией и подходят для…