Машинное обучение — различия между версиями
Evaleria (обсуждение | вклад) м |
Nevus (обсуждение | вклад) (→В разработке) |
||
| (не показано 47 промежуточных версий 19 участников) | |||
| Строка 3: | Строка 3: | ||
=Общие понятия= | =Общие понятия= | ||
*[[Общие понятия]] | *[[Общие понятия]] | ||
| − | |||
*[[Переобучение]] | *[[Переобучение]] | ||
*[[Кросс-валидация]] | *[[Кросс-валидация]] | ||
| − | *[[ | + | *[[Стохастический градиентный спуск]] |
| + | *[[Регуляризация]] | ||
*[[Ранжирование]] | *[[Ранжирование]] | ||
| − | *[[ | + | *[[Обучение с частичным привлечением учителя]]<tex>^\star</tex> |
| − | *[[ | + | *[[Жизненный цикл модели машинного обучения]]<tex>^\star</tex> |
=Классификация и регрессия= | =Классификация и регрессия= | ||
*[[Метрический классификатор и метод ближайших соседей]] | *[[Метрический классификатор и метод ближайших соседей]] | ||
| − | |||
*[[Дерево решений и случайный лес]] | *[[Дерево решений и случайный лес]] | ||
*[[Вариации регрессии]] | *[[Вариации регрессии]] | ||
*[[Линейная регрессия]] | *[[Линейная регрессия]] | ||
*[[Логистическая регрессия]] | *[[Логистическая регрессия]] | ||
| + | *[[Метод опорных векторов (SVM)]] | ||
| + | *[[Ядра]] | ||
| + | *[[Оценка качества в задачах классификации и регрессии]] | ||
| + | *[[Байесовская классификация]] | ||
| + | *[[Байесовские сети]] | ||
*[[Поиск ближайших соседей с помощью иерархического маленького мира]]<tex>^\star</tex> | *[[Поиск ближайших соседей с помощью иерархического маленького мира]]<tex>^\star</tex> | ||
=Кластеризация= | =Кластеризация= | ||
*[[Кластеризация]] | *[[Кластеризация]] | ||
| + | *[[EM-алгоритм]] | ||
*[[Иерархическая кластеризация]] | *[[Иерархическая кластеризация]] | ||
*[[Оценка качества в задаче кластеризации]]<tex>^\star</tex> | *[[Оценка качества в задаче кластеризации]]<tex>^\star</tex> | ||
| + | *[[Эволюционные алгоритмы кластеризации]]<tex>^\star</tex> | ||
=Ансамбли= | =Ансамбли= | ||
*[[Виды ансамблей]] | *[[Виды ансамблей]] | ||
*[[Бустинг, AdaBoost]] | *[[Бустинг, AdaBoost]] | ||
| − | *[[XGBoost]] | + | *[[XGBoost]]<tex>^\star</tex> |
| − | *[[CatBoost]] | + | *[[CatBoost]]<tex>^\star</tex> |
| + | |||
| + | =Нейронные сети= | ||
| + | *[[Нейронные сети, перцептрон]] | ||
| + | *[[Обратное распространение ошибки]] | ||
| + | *[[Практики реализации нейронных сетей]] | ||
| − | =Глубокое обучение= | + | ==Глубокое обучение== |
*[[Глубокое обучение]] | *[[Глубокое обучение]] | ||
*[[Настройка глубокой сети]] | *[[Настройка глубокой сети]] | ||
*[[Batch-normalization]] | *[[Batch-normalization]] | ||
| − | |||
*[[Рекуррентные нейронные сети]] | *[[Рекуррентные нейронные сети]] | ||
| + | *[[Долгая краткосрочная память]] | ||
| + | |||
| + | ===Сверточные сети=== | ||
| + | *[[Сверточные нейронные сети]] | ||
| + | *[[Neural Style Transfer]]<tex>^\star</tex> | ||
| + | |||
| + | ===Компьютерное зрение=== | ||
| + | *[[Компьютерное зрение]] | ||
| + | *[[Задача нахождения объектов на изображении]]<tex>^\star</tex> | ||
*[[Сегментация изображений]] | *[[Сегментация изображений]] | ||
| − | + | *[[PixelRNN и PixelCNN]] | |
| − | *[[ | + | |
| − | ==Порождающие модели== | + | ===Порождающие модели=== |
| − | *[[Generative Adversarial Nets (GAN)]] | + | *[[Порождающие модели]] |
| + | *[[Generative Adversarial Nets (GAN)]] | ||
*[[Автокодировщик]] | *[[Автокодировщик]] | ||
| − | *[[Вариационный автокодировщик]] | + | *[[Вариационный автокодировщик]]<tex>^\star</tex> |
| − | ==Обработка естественного языка== | + | ===Обработка естественного языка=== |
*[[Распознавание речи]] | *[[Распознавание речи]] | ||
*[[Обработка естественного языка]] | *[[Обработка естественного языка]] | ||
*[[Векторное представление слов]] | *[[Векторное представление слов]] | ||
| + | *[[Классификация текстов и анализ тональности]] | ||
| + | *[[Долгая краткосрочная память]] | ||
| + | *[[Механизм внимания]] | ||
| + | |||
| + | =Автоматическое машинное обучение= | ||
| + | *[[Автоматическое машинное обучение]] | ||
| + | *[[Модель алгоритма и ее выбор]] | ||
| + | *[[Мета-обучение]] | ||
| − | = | + | =Работа с данными= |
*[[Уменьшение размерности]] | *[[Уменьшение размерности]] | ||
| + | *[[Выброс]] | ||
| + | *[[Алгоритмы сэмплирования]] | ||
| + | *[[Известные наборы данных]] | ||
| + | *[[Метод главных компонент (PCA)]] | ||
| + | *[[Стохастическое вложение соседей с t-распределением]] | ||
=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> |
| + | |||
| + | =Активное обучение= | ||
| + | *[[Активное обучение]]<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 Scala]] | *[[Примеры кода на Scala]] | ||
=В разработке= | =В разработке= | ||
| − | *[[ | + | *[[Графовые нейронные сети]] |
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
*[[Рекомендательные системы]] | *[[Рекомендательные системы]] | ||
*[[Настройка гиперпараметров]] | *[[Настройка гиперпараметров]] | ||
| − | *[[ | + | *[[Примеры кода на R]]<tex>^\star</tex> |
| − | *[[ | + | *[[PixelRNN и PixelCNN]] |
| − | *[[ | + | *[[:Рекурсивные нейронные сети|Рекурсивные нейронные сети]] |
| − | *[[ | + | *[[Дополнение к ранжированию]] |
| − | *[[ | + | *[[Поиск архитектуры нейронной сети]] |
| − | *[[ | + | *[[Генерация объектов]] |
| − | *[[ | + | *[[Распознавание текста на изображении]] |
| − | *[[ | + | *[[Обучение в реальном времени]] |
| + | *[[Оценка положения]] | ||
| + | *[[Примеры кода на Kotlin]] | ||
| + | *[[Примеры кода на Kotlin в Jupyter Notebook]] | ||
| + | *[[Сети глубокого доверия]] | ||
| + | *[[Многопоточность в машинном обучении]] | ||
| + | *[[Анализ видео]] | ||
Версия 19:38, 20 апреля 2020
Содержание
Общие понятия
- Общие понятия
- Переобучение
- Кросс-валидация
- Стохастический градиентный спуск
- Регуляризация
- Ранжирование
- Обучение с частичным привлечением учителя
- Жизненный цикл модели машинного обучения
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
- Оценка качества в задачах классификации и регрессии
- Байесовская классификация
- Байесовские сети
- Поиск ближайших соседей с помощью иерархического маленького мира
Кластеризация
- Кластеризация
- EM-алгоритм
- 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
Сверточные сети
Компьютерное зрение
- Компьютерное зрение
- Задача нахождения объектов на изображении
- Сегментация изображений
- PixelRNN и PixelCNN
Порождающие модели
Обработка естественного языка
- Распознавание речи
- Обработка естественного языка
- Векторное представление слов
- Классификация текстов и анализ тональности
- Долгая краткосрочная память
- Механизм внимания
Автоматическое машинное обучение
Работа с данными
- Уменьшение размерности
- Выброс
- Алгоритмы сэмплирования
- Известные наборы данных
- Метод главных компонент (PCA)
- Стохастическое вложение соседей с t-распределением
Обучение с подкреплением
Активное обучение
Примеры кода
В разработке
- Графовые нейронные сети
- Рекомендательные системы
- Настройка гиперпараметров
- Примеры кода на R
- PixelRNN и PixelCNN
- Рекурсивные нейронные сети
- Дополнение к ранжированию
- Поиск архитектуры нейронной сети
- Генерация объектов
- Распознавание текста на изображении
- Обучение в реальном времени
- Оценка положения
- Примеры кода на Kotlin
- Примеры кода на Kotlin в Jupyter Notebook
- Сети глубокого доверия
- Многопоточность в машинном обучении
- Анализ видео
