Машинное обучение — различия между версиями
Evaleria (обсуждение | вклад) м |
|||
| Строка 7: | Строка 7: | ||
*[[Кросс-валидация]] | *[[Кросс-валидация]] | ||
*[[Выброс]] | *[[Выброс]] | ||
| + | *[[Стохастический градиентный спуск]] | ||
=Классификация и регрессия= | =Классификация и регрессия= | ||
| Строка 54: | Строка 55: | ||
*[[Оценка качества в задачах классификации и регрессии]] | *[[Оценка качества в задачах классификации и регрессии]] | ||
*[[Линейная регрессия]] | *[[Линейная регрессия]] | ||
| − | |||
*[[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> | ||
Версия 14:17, 28 января 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
Кластеризация
Ансамбли
Глубокое обучение
- Глубокое обучение
- Настройка глубокой сети
- Batch-normalization
- Практики реализации нейронных сетей
- Рекуррентные нейронные сети
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
- Сегментация изображений
- XGBoost
- Известные наборы данных
