Машинное обучение — различия между версиями
(Примеры кода на Scala) |
|||
| Строка 25: | Строка 25: | ||
=Примеры кода= | =Примеры кода= | ||
| + | *[[Примеры кода на Scala]] | ||
=В разработке= | =В разработке= | ||
| Строка 54: | Строка 55: | ||
*[[Примеры кода на R]] | *[[Примеры кода на R]] | ||
*[[Примеры кода на Java]] | *[[Примеры кода на Java]] | ||
| − | |||
*[[Обзор библиотек для машинного обучения на Python]] | *[[Обзор библиотек для машинного обучения на Python]] | ||
*[[Выброс]] | *[[Выброс]] | ||
Версия 19:09, 12 января 2019
Содержание
Общие понятия
Классификация
Регрессия
Кластеризация
Ансамбли
Глубокое обучение
- Глубокое обучение
- Настройка глубокой сети
- Batch-normalization
- Практики реализации нейронных сетей
- Сверточные нейронные сети
- Generative Adversarial Nets (GAN)
Примеры кода
В разработке
- Общие понятия
- Модель алгоритма и ее выбор
- Мета-обучение
- Оценка качества в задачах классификации и регрессии
- Оценка качества в задаче кластеризации
- Линейная регрессия
- Логистическая регрессия
- Стохастический градиентный спуск
- Нейронные сети, перцептрон
- Рекуррентные нейронные сети
- Задача нахождения объектов на изображении
- Neural Style Transfer
- LSTM
- Метод опорных векторов (SVM)
- Дерево решений и случайный лес
- Байесовская классификация
- EM-алгоритм
- Бустинг, AdaBoost
- Ранжирование
- Рекомендательные системы
- Настройка гиперпараметров
- Уменьшение размерности
- Обучение с подкреплением
- Обучение с подкреплением
- Активное обучение
- Примеры кода на R
- Примеры кода на Java
- Обзор библиотек для машинного обучения на Python
- Выброс
