Функция (машинное обучение)

Функция (машинное обучение) Основные понятия машинного обучения Признак — измеримое свойство или характеристика объекта.  Классификация объектов включает числовые и категориальные […]

Функция (машинное обучение)

  • Основные понятия машинного обучения

    • Признак — измеримое свойство или характеристика объекта. 
    • Классификация объектов включает числовые и категориальные характеристики. 
    • Вектор признаков — это n-мерный вектор числовых признаков для описания объекта. 
  • Типы алгоритмов машинного обучения

    • Алгоритмы могут обрабатывать как числовые, так и категориальные признаки. 
    • Линейная регрессия и деревья решений — примеры алгоритмов, работающих с числовыми характеристиками. 
    • Нейронные сети и байесовский подход — примеры алгоритмов, обрабатывающих категориальные признаки. 
  • Примеры использования признаков

    • В распознавании символов используются гистограммы и другие функции. 
    • В распознавании речи используются соотношения шумов и другие параметры. 
    • В обнаружении спама используются заголовки электронных писем и другие характеристики. 
    • В компьютерном зрении используются границы и объекты. 
  • Построение объектов

    • Построение объектов — это создание новых объектов из существующих. 
    • Примеры операторов построения объектов включают проверку условий и арифметические операции. 
    • Построение объектов повышает точность и понимание структуры данных. 
  • Отбор и экстракция признаков

    • Избыточные функции затрудняют обучение и обобщение. 
    • Разработка объектов включает автоматизацию и экспертное знание. 
    • Автоматизация отбора признаков включает изучение функций машиной. 

Полный текст статьи:

Функция (машинное обучение) — Википедия

Оставьте комментарий

Прокрутить вверх