Машинное обучение — различия между версиями
Fest (обсуждение | вклад) м (→В разработке) |
Evaleria (обсуждение | вклад) м |
||
(не показано 57 промежуточных версий 16 участников) | |||
Строка 1: | Строка 1: | ||
[[Категория: Машинное обучение]] | [[Категория: Машинное обучение]] | ||
− | = | + | =Общие понятия= |
− | |||
− | |||
*[[Общие понятия]] | *[[Общие понятия]] | ||
*[[Модель алгоритма и ее выбор]] | *[[Модель алгоритма и ее выбор]] | ||
− | |||
− | |||
− | |||
*[[Переобучение]] | *[[Переобучение]] | ||
+ | *[[Кросс-валидация]] | ||
+ | *[[Выброс]] | ||
+ | *[[Ранжирование]] | ||
+ | *[[Стохастический градиентный спуск]] | ||
+ | *[[Известные наборы данных]] | ||
+ | *[[Обучение с частичным привлечением учителя]]<tex>^\star</tex> | ||
+ | |||
+ | =Классификация и регрессия= | ||
+ | *[[Метрический классификатор и метод ближайших соседей]] | ||
+ | *[[Дерево решений и случайный лес]] | ||
+ | *[[Вариации регрессии]] | ||
*[[Линейная регрессия]] | *[[Линейная регрессия]] | ||
*[[Логистическая регрессия]] | *[[Логистическая регрессия]] | ||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
− | |||
*[[Метод опорных векторов (SVM)]] | *[[Метод опорных векторов (SVM)]] | ||
− | *[[ | + | *[[Ядра]] |
*[[Байесовская классификация]] | *[[Байесовская классификация]] | ||
+ | *[[Байесовские сети]] | ||
+ | *[[Поиск ближайших соседей с помощью иерархического маленького мира]]<tex>^\star</tex> | ||
+ | |||
+ | =Кластеризация= | ||
*[[Кластеризация]] | *[[Кластеризация]] | ||
− | *[[ | + | *[[Иерархическая кластеризация]] |
+ | *[[Оценка качества в задаче кластеризации]]<tex>^\star</tex> | ||
+ | *[[Эволюционные алгоритмы кластеризации]]<tex>^\star</tex> | ||
+ | |||
+ | =Ансамбли= | ||
+ | *[[Виды ансамблей]] | ||
*[[Бустинг, AdaBoost]] | *[[Бустинг, AdaBoost]] | ||
− | *[[ | + | *[[XGBoost]]<tex>^\star</tex> |
− | *[[ | + | *[[CatBoost]]<tex>^\star</tex> |
− | *[[Настройка | + | |
+ | =Нейронные сети= | ||
+ | *[[Нейронные сети, перцептрон]] | ||
+ | *[[Обратное распространение ошибки]] | ||
+ | *[[Практики реализации нейронных сетей]] | ||
+ | |||
+ | ==Глубокое обучение== | ||
+ | *[[Глубокое обучение]] | ||
+ | *[[Настройка глубокой сети]] | ||
+ | *[[Batch-normalization]] | ||
+ | *[[Рекуррентные нейронные сети]] | ||
+ | *[[Долгая краткосрочная память]] | ||
+ | *[[Сегментация изображений]] | ||
+ | |||
+ | ===Сверточные сети=== | ||
+ | *[[Сверточные нейронные сети]] | ||
+ | *[[Neural Style Transfer]]<tex>^\star</tex> | ||
+ | |||
+ | ===Порождающие модели=== | ||
+ | *[[Generative Adversarial Nets (GAN)]] | ||
+ | *[[Автокодировщик]] | ||
+ | *[[Вариационный автокодировщик]]<tex>^\star</tex> | ||
+ | |||
+ | ===Обработка естественного языка=== | ||
+ | *[[Распознавание речи]] | ||
+ | *[[Обработка естественного языка]] | ||
+ | *[[Векторное представление слов]] | ||
+ | *[[Классификация текстов и анализ тональности]] | ||
+ | |||
+ | =Уменьшение размерности= | ||
*[[Уменьшение размерности]] | *[[Уменьшение размерности]] | ||
− | + | ||
+ | =Обучение с подкреплением= | ||
*[[Обучение с подкреплением]]<tex>^\star</tex> | *[[Обучение с подкреплением]]<tex>^\star</tex> | ||
− | *[[ | + | *[[Методы policy gradient и алгоритм асинхронного актора-критика]]<tex>^\star</tex> |
− | *[[ | + | |
+ | =Примеры кода= | ||
+ | *[[Обзор библиотек для машинного обучения на Python]] | ||
*[[Примеры кода на Java]] | *[[Примеры кода на Java]] | ||
− | *[[ | + | *[[Примеры кода на Scala]]<tex>^\star</tex> |
− | *[[ | + | |
− | *[[ | + | =В разработке= |
− | * [[ | + | *[[Мета-обучение]] |
+ | *[[Оценка качества в задачах классификации и регрессии]] | ||
+ | *[[Задача нахождения объектов на изображении]]<tex>^\star</tex> | ||
+ | *[[EM-алгоритм]] | ||
+ | *[[Рекомендательные системы]] | ||
+ | *[[Настройка гиперпараметров]] | ||
+ | *[[Активное обучение]]<tex>^\star</tex> | ||
+ | *[[Примеры кода на R]]<tex>^\star</tex> | ||
+ | *[[Регуляризация]] | ||
+ | *[[Порождающие модели]] |
Версия 22:59, 18 апреля 2019
Содержание
Общие понятия
- Общие понятия
- Модель алгоритма и ее выбор
- Переобучение
- Кросс-валидация
- Выброс
- Ранжирование
- Стохастический градиентный спуск
- Известные наборы данных
- Обучение с частичным привлечением учителя
Классификация и регрессия
- Метрический классификатор и метод ближайших соседей
- Дерево решений и случайный лес
- Вариации регрессии
- Линейная регрессия
- Логистическая регрессия
- Метод опорных векторов (SVM)
- Ядра
- Байесовская классификация
- Байесовские сети
- Поиск ближайших соседей с помощью иерархического маленького мира
Кластеризация
- Кластеризация
- Иерархическая кластеризация
- Оценка качества в задаче кластеризации
- Эволюционные алгоритмы кластеризации
Ансамбли
Нейронные сети
Глубокое обучение
- Глубокое обучение
- Настройка глубокой сети
- Batch-normalization
- Рекуррентные нейронные сети
- Долгая краткосрочная память
- Сегментация изображений
Сверточные сети
Порождающие модели
Обработка естественного языка
- Распознавание речи
- Обработка естественного языка
- Векторное представление слов
- Классификация текстов и анализ тональности