Оглавление
- 1 Масштабирование по Платту
- 1.1 Контролируемое обучение
- 1.2 Обучение без присмотра
- 1.3 Онлайн-обучение
- 1.4 Пакетное обучение
- 1.5 Мета-обучение
- 1.6 Обучение под непосредственным наблюдением
- 1.7 Самостоятельное обучение
- 1.8 Обучение с подкреплением
- 1.9 Изучение учебной программы
- 1.10 Обучение, основанное на правилах
- 1.11 Квантовое машинное обучение
- 1.12 Классификация
- 1.13 Генеративное моделирование
- 1.14 Регрессия
- 1.15 Кластеризация
- 1.16 Уменьшение габаритов
- 1.17 Оценка плотности
- 1.18 Обнаружение аномалий
- 1.19 Очистка данных
- 1.20 Автоматический
- 1.21 Правила ассоциации
- 1.22 Семантический анализ
- 1.23 Структурированное предсказание
- 1.24 Разработка функциональных возможностей
- 1.25 Изучение особенностей
- 1.26 Учимся ранжировать
- 1.27 Введение в грамматику
- 1.28 Изучение онтологии
- 1.29 Мультимодальное обучение
- 1.30 Обучение в рамках ученичества
- 1.31 Деревья принятия решений
- 1.32 Упаковывание в мешки
- 1.33 Стимулирование
- 1.34 Случайный лес
- 1.35 к-НН
- 1.36 Линейная регрессия
- 1.37 Наивный Байес
- 1.38 Искусственные нейронные сети
- 1.39 Логистическая регрессия
- 1.40 Персептрон
- 1.41 Векторный анализ релевантности (RVM)
- 1.42 Метод опорных векторов (SVM)
- 1.43 Береза
- 1.44 Лечение
- 1.45 Иерархический
- 1.46 k-означает
- 1.47 Размытый
- 1.48 Максимизация ожиданий (EM)
- 1.49 СКАНИРОВАНИЕ по базе данных
- 1.50 ОПТИКА
- 1.51 Средний сдвиг
- 1.52 Факторный анализ
- 1.53 приблизительно
- 1.54 ИКА
- 1.55 ЛДА
- 1.56 НМФ
- 1.57 СПС
- 1.58 ПГД
- 1.59 т-СНЭ
- 1.60 SDL (СДЛ)
- 1.61 Сеть Байеса
- 1.62 Условное случайное поле
- 1.63 Скрытый Марков
- 1.64 РАНСАК
- 1.65 к-НН
- 1.66 Локальный фактор выброса
- 1.67 Изолированный лес
- 1.68 Автокодировщик
- 1.69 Когнитивные вычисления
- 1.70 Глубокое обучение
- 1.71 Глубокая мечта
- 1.72 Нейронная сеть с прямой связью
- 1.73 ЛСТМ
- 1.74 ГРУ
- 1.75 ЕСН
- 1.76 вычисление резервуара
- 1.77 Ограниченная машина Больцмана
- 1.78 ГАН
- 1.79 Полный текст статьи:
- 2 Масштабирование Платта — Википедия
Масштабирование по Платту
-
Контролируемое обучение
- Обучение с учителем, где данные классифицируются с помощью заранее определенных правил.
-
Обучение без присмотра
- Обучение, при котором данные не классифицируются, а изучаются самостоятельно.
-
Онлайн-обучение
- Обучение, которое происходит в реальном времени, например, в социальных сетях.
-
Пакетное обучение
- Обучение, при котором данные делятся на пакеты для более эффективного обучения.
-
Мета-обучение
- Обучение, направленное на улучшение способности модели обучаться на новых данных.
-
Обучение под непосредственным наблюдением
- Обучение, при котором модель обучается на данных, которые она видит напрямую.
-
Самостоятельное обучение
- Обучение, при котором модель обучается без вмешательства человека.
-
Обучение с подкреплением
- Обучение, при котором модель обучается, получая обратную связь от окружающей среды.
-
Изучение учебной программы
- Обучение, при котором модели обучаются на заранее определенных учебных программах.
-
Обучение, основанное на правилах
- Обучение, при котором модели обучаются на правилах, а не на данных.
-
Квантовое машинное обучение
- Использование квантовых вычислений для машинного обучения.
-
Классификация
- Разделение данных на категории.
-
Генеративное моделирование
- Создание новых данных на основе существующих.
-
Регрессия
- Определение зависимости между непрерывной переменной и целевой переменной.
-
Кластеризация
- Группировка данных в кластеры.
-
Уменьшение габаритов
- Сжатие данных для уменьшения их размерности.
-
Оценка плотности
- Определение плотности данных.
-
Обнаружение аномалий
- Выявление отклонений от нормы в данных.
-
Очистка данных
- Удаление шума и неполных данных из данных.
-
Автоматический
- Обучение, осуществляемое автоматически без вмешательства человека.
-
Правила ассоциации
- Обучение, основанное на ассоциациях между данными.
-
Семантический анализ
- Анализ данных с точки зрения их смысла.
-
Структурированное предсказание
- Обучение, направленное на предсказание структурированных данных.
-
Разработка функциональных возможностей
- Обучение, направленное на создание новых функций.
-
Изучение особенностей
- Обучение, направленное на изучение особенностей данных.
-
Учимся ранжировать
- Обучение, направленное на ранжирование данных.
-
Введение в грамматику
- Обучение, направленное на изучение грамматики.
-
Изучение онтологии
- Обучение, направленное на изучение онтологии.
-
Мультимодальное обучение
- Обучение, направленное на обработку данных в нескольких модальностях.
-
Обучение в рамках ученичества
- Обучение, при котором ученик обучается у учителя.
-
Деревья принятия решений
- Обучение, использующее деревья для принятия решений.
-
Упаковывание в мешки
- Обучение, при котором данные группируются для повышения точности.
-
Стимулирование
- Обучение, использующее стимулирующие методы.
-
Случайный лес
- Обучение, использующее случайный лес для классификации данных.
-
к-НН
- Обучение, использующее k-ближайших соседей для классификации данных.
-
Линейная регрессия
- Обучение, использующее линейную регрессию для предсказания непрерывных переменных.
-
Наивный Байес
- Обучение, использующее наивный байесовский метод для классификации данных.
-
Искусственные нейронные сети
- Обучение, использующее искусственные нейронные сети для обработки данных.
-
Логистическая регрессия
- Обучение, использующее логистическую регрессию для классификации данных.
-
Персептрон
- Обучение, использующее персептрон для классификации данных.
-
Векторный анализ релевантности (RVM)
- Обучение, использующее RVM для классификации данных.
-
Метод опорных векторов (SVM)
- Обучение, использующее SVM для классификации данных.
-
Береза
- Обучение, использующее березу для классификации данных.
-
Лечение
- Обучение, использующее лечение для классификации данных.
-
Иерархический
- Обучение, использующее иерархические методы для классификации данных.
-
k-означает
- Обучение, использующее k-означает для кластеризации данных.
-
Размытый
- Обучение, использующее размытые методы для классификации данных.
-
Максимизация ожиданий (EM)
- Обучение, использующее EM для кластеризации данных.
-
СКАНИРОВАНИЕ по базе данных
- Обучение, использующее сканирование по базе данных для классификации данных.
-
ОПТИКА
- Обучение, использующее оптику для классификации данных.
-
Средний сдвиг
- Обучение, использующее средний сдвиг для кластеризации данных.
-
Факторный анализ
- Обучение, использующее факторный анализ для классификации данных.
-
приблизительно
- Обучение, использующее приблизительно для классификации данных.
-
ИКА
- Обучение, использующее ИКА для классификации данных.
-
ЛДА
- Обучение, использующее ЛДА для классификации данных.
-
НМФ
- Обучение, использующее НМФ для классификации данных.
-
СПС
- Обучение, использующее СПС для классификации данных.
-
ПГД
- Обучение, использующее ПГД для классификации данных.
-
т-СНЭ
- Обучение, использующее т-СНЭ для классификации данных.
-
SDL (СДЛ)
- Обучение, использующее SDL (СДЛ) для классификации данных.
-
Сеть Байеса
- Обучение, использующее сеть Байеса для классификации данных.
-
Условное случайное поле
- Обучение, использующее условное случайное поле для классификации данных.
-
Скрытый Марков
- Обучение, использующее скрытый Марков для классификации данных.
-
РАНСАК
- Обучение, использующее РАНСАК для классификации данных.
-
к-НН
-
Локальный фактор выброса
- Обучение, использующее локальный фактор выброса для классификации данных.
-
Изолированный лес
- Обучение, использующее изолированный лес для классификации данных.
-
Автокодировщик
- Обучение, использующее автокодировщик для классификации данных.
-
Когнитивные вычисления
- Обучение, использующее когнитивные вычисления для классификации данных.
-
Глубокое обучение
- Обучение, использующее глубокие нейронные сети для классификации данных.
-
Глубокая мечта
- Обучение, использующее глубокую мечту для классификации данных.
-
Нейронная сеть с прямой связью
- Обучение, использующее нейронную сеть с прямой связью для классификации данных.
-
ЛСТМ
- Обучение, использующее долговременную краткосрочную память для классификации данных.
-
ГРУ
- Обучение, использующее глубокое рекуррентное обучение для классификации данных.
-
ЕСН
- Обучение, использующее экстремальное обучение с подкреплением для классификации данных.
-
вычисление резервуара
- Обучение, использующее вычисление резервуара для классификации данных.
-
Ограниченная машина Больцмана
- Обучение, использующее ограниченную машину Больцмана для классификации данных.
-
ГАН
- Обучение, использующее генеративно-