Машинное обучение — различия между версиями
Evaleria (обсуждение | вклад) м |
Evaleria (обсуждение | вклад) м |
||
| Строка 10: | Строка 10: | ||
*[[Стохастический градиентный спуск]] | *[[Стохастический градиентный спуск]] | ||
*[[Известные наборы данных]] | *[[Известные наборы данных]] | ||
| − | *[[Обучение с частичным привлечением учителя]] | + | *[[Обучение с частичным привлечением учителя]]<tex>^\star</tex> |
=Классификация и регрессия= | =Классификация и регрессия= | ||
| Строка 53: | Строка 53: | ||
===Порождающие модели=== | ===Порождающие модели=== | ||
| − | *[[Generative Adversarial Nets (GAN)]] | + | *[[Generative Adversarial Nets (GAN)]] |
*[[Автокодировщик]] | *[[Автокодировщик]] | ||
| − | *[[Вариационный автокодировщик]] | + | *[[Вариационный автокодировщик]]<tex>^\star</tex> |
===Обработка естественного языка=== | ===Обработка естественного языка=== | ||
| Строка 66: | Строка 66: | ||
=Обучение с подкреплением= | =Обучение с подкреплением= | ||
| − | *[[Обучение с подкреплением]] | + | *[[Обучение с подкреплением]]<tex>^\star</tex> |
| − | *[[Методы policy gradient и алгоритм асинхронного актора-критика]] | + | *[[Методы policy gradient и алгоритм асинхронного актора-критика]]<tex>^\star</tex> |
=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 Java]] | ||
| − | *[[Примеры кода на Scala]] | + | *[[Примеры кода на Scala]]<tex>^\star</tex> |
=В разработке= | =В разработке= | ||
| Строка 82: | Строка 82: | ||
*[[Рекомендательные системы]] | *[[Рекомендательные системы]] | ||
*[[Настройка гиперпараметров]] | *[[Настройка гиперпараметров]] | ||
| − | *[[Активное обучение]] | + | *[[Активное обучение]]<tex>^\star</tex> |
| − | *[[Примеры кода на R]] | + | *[[Примеры кода на R]]<tex>^\star</tex> |
*[[Регуляризация]] | *[[Регуляризация]] | ||
*[[Порождающие модели]] | *[[Порождающие модели]] | ||
*[[Классификация текстов и анализ тональности]] | *[[Классификация текстов и анализ тональности]] | ||
Версия 23:32, 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
- 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
Уменьшение размерности
Обучение с подкреплением
Примеры кода
В разработке
- Мета-обучение
- Оценка качества в задачах классификации и регрессии
- Задача нахождения объектов на изображении
- Neural Style Transfer
- EM-алгоритм
- Рекомендательные системы
- Настройка гиперпараметров
- Активное обучение
- Примеры кода на R
- Регуляризация
- Порождающие модели
- Классификация текстов и анализ тональности
