Машинное обучение — различия между версиями
KirillTim (обсуждение | вклад) (→Обработка естественного языка) |
Evaleria (обсуждение | вклад) м |
||
| Строка 9: | Строка 9: | ||
*[[Ранжирование]] | *[[Ранжирование]] | ||
*[[Стохастический градиентный спуск]] | *[[Стохастический градиентный спуск]] | ||
| + | *[[Известные наборы данных]] | ||
*[[Обучение с частичным привлечением учителя]] | *[[Обучение с частичным привлечением учителя]] | ||
| Строка 18: | Строка 19: | ||
*[[Линейная регрессия]] | *[[Линейная регрессия]] | ||
*[[Логистическая регрессия]] | *[[Логистическая регрессия]] | ||
| + | *[[Метод опорных векторов (SVM)]] | ||
*[[Байесовская классификация]] | *[[Байесовская классификация]] | ||
*[[Байесовские сети]] | *[[Байесовские сети]] | ||
| Строка 39: | Строка 41: | ||
*[[Практики реализации нейронных сетей]] | *[[Практики реализации нейронных сетей]] | ||
*[[Рекуррентные нейронные сети]] | *[[Рекуррентные нейронные сети]] | ||
| + | *[[Долгая краткосрочная память]] | ||
*[[Сегментация изображений]] | *[[Сегментация изображений]] | ||
==Сверточные сети== | ==Сверточные сети== | ||
| Строка 62: | Строка 65: | ||
=Примеры кода= | =Примеры кода= | ||
*[[Обзор библиотек для машинного обучения на Python]] | *[[Обзор библиотек для машинного обучения на Python]] | ||
| + | *[[Примеры кода на Java]] | ||
*[[Примеры кода на Scala]] | *[[Примеры кода на Scala]] | ||
| Строка 69: | Строка 73: | ||
*[[Задача нахождения объектов на изображении]]<tex>^\star</tex> | *[[Задача нахождения объектов на изображении]]<tex>^\star</tex> | ||
*[[Neural Style Transfer]]<tex>^\star</tex> | *[[Neural Style Transfer]]<tex>^\star</tex> | ||
| − | |||
| − | |||
*[[EM-алгоритм]] | *[[EM-алгоритм]] | ||
*[[Рекомендательные системы]] | *[[Рекомендательные системы]] | ||
| Строка 76: | Строка 78: | ||
*[[Активное обучение]] | *[[Активное обучение]] | ||
*[[Примеры кода на R]] | *[[Примеры кода на R]] | ||
| − | |||
*[[Регуляризация]] | *[[Регуляризация]] | ||
*[[Обратное распространение ошибки]] | *[[Обратное распространение ошибки]] | ||
*[[Порождающие модели]] | *[[Порождающие модели]] | ||
*[[Ядра]] | *[[Ядра]] | ||
| − | |||
Версия 23:20, 8 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
- Нейронные сети, перцептрон
- Дерево решений и случайный лес
- Вариации регрессии
- Линейная регрессия
- Логистическая регрессия
- Метод опорных векторов (SVM)
- Байесовская классификация
- Байесовские сети
- 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
- 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
