Машинное обучение — различия между версиями
Marsermd (обсуждение | вклад) (→В разработке) |
Evaleria (обсуждение | вклад) м |
||
| Строка 14: | Строка 14: | ||
*[[Дерево решений и случайный лес]] | *[[Дерево решений и случайный лес]] | ||
*[[Логистическая регрессия]] | *[[Логистическая регрессия]] | ||
| + | *[[Поиск ближайших соседей с помощью иерархического маленького мира]]<tex>^\star</tex> | ||
=Кластеризация= | =Кластеризация= | ||
| Строка 75: | Строка 76: | ||
*[[XGBoost]] | *[[XGBoost]] | ||
*[[Известные наборы данных]] | *[[Известные наборы данных]] | ||
| − | |||
Версия 15:55, 2 марта 2019
Содержание
Общие понятия
- Общие понятия
- Модель алгоритма и ее выбор
- Переобучение
- Кросс-валидация
- Выброс
- Стохастический градиентный спуск
Классификация и регрессия
- Метрический классификатор и метод ближайших соседей
- Нейронные сети, перцептрон
- Дерево решений и случайный лес
- Логистическая регрессия
- Поиск ближайших соседей с помощью иерархического маленького мира
Кластеризация
Ансамбли
Глубокое обучение
- Глубокое обучение
- Настройка глубокой сети
- Batch-normalization
- Практики реализации нейронных сетей
- Рекуррентные нейронные сети
- Сегментация изображений
Сверточные сети
Порождающие модели
Обработка естественного языка
Уменьшение размерности
Обучение с подкреплением
Примеры кода
В разработке
- Мета-обучение
- Оценка качества в задачах классификации и регрессии
- Линейная регрессия
- Задача нахождения объектов на изображении
- Neural Style Transfer
- Долгая краткосрочная память
- Метод опорных векторов (SVM)
- Байесовская классификация
- EM-алгоритм
- Ранжирование
- Рекомендательные системы
- Настройка гиперпараметров
- Активное обучение
- Примеры кода на R
- Примеры кода на Java
- Регуляризация
- Обратное распространение ошибки
- Порождающие модели
- Векторное представление слов
- Ядра
- XGBoost
- Известные наборы данных
