Машинное обучение — различия между версиями
Evaleria (обсуждение | вклад) м |
Evaleria (обсуждение | вклад) м |
||
| Строка 7: | Строка 7: | ||
*[[Кросс-валидация]] | *[[Кросс-валидация]] | ||
*[[Выброс]] | *[[Выброс]] | ||
| + | *[[Ранжирование]] | ||
*[[Стохастический градиентный спуск]] | *[[Стохастический градиентный спуск]] | ||
| Строка 13: | Строка 14: | ||
*[[Нейронные сети, перцептрон]] | *[[Нейронные сети, перцептрон]] | ||
*[[Дерево решений и случайный лес]] | *[[Дерево решений и случайный лес]] | ||
| + | *[[Вариации регрессии]] | ||
| + | *[[Линейная регрессия]] | ||
*[[Логистическая регрессия]] | *[[Логистическая регрессия]] | ||
| − | |||
*[[Поиск ближайших соседей с помощью иерархического маленького мира]]<tex>^\star</tex> | *[[Поиск ближайших соседей с помощью иерархического маленького мира]]<tex>^\star</tex> | ||
| Строка 25: | Строка 27: | ||
*[[Виды ансамблей]] | *[[Виды ансамблей]] | ||
*[[Бустинг, AdaBoost]] | *[[Бустинг, AdaBoost]] | ||
| + | *[[XGBoost]] | ||
*[[CatBoost]] | *[[CatBoost]] | ||
| Строка 58: | Строка 61: | ||
*[[Мета-обучение]] | *[[Мета-обучение]] | ||
*[[Оценка качества в задачах классификации и регрессии]] | *[[Оценка качества в задачах классификации и регрессии]] | ||
| − | |||
*[[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> | ||
| Строка 65: | Строка 67: | ||
*[[Байесовская классификация]] | *[[Байесовская классификация]] | ||
*[[EM-алгоритм]] | *[[EM-алгоритм]] | ||
| − | |||
*[[Рекомендательные системы]] | *[[Рекомендательные системы]] | ||
*[[Настройка гиперпараметров]] | *[[Настройка гиперпараметров]] | ||
| Строка 75: | Строка 76: | ||
*[[Порождающие модели]] | *[[Порождающие модели]] | ||
*[[Ядра]] | *[[Ядра]] | ||
| − | |||
*[[Известные наборы данных]] | *[[Известные наборы данных]] | ||
Версия 13:01, 17 марта 2019
Содержание
Общие понятия
- Общие понятия
- Модель алгоритма и ее выбор
- Переобучение
- Кросс-валидация
- Выброс
- Ранжирование
- Стохастический градиентный спуск
Классификация и регрессия
- Метрический классификатор и метод ближайших соседей
- Нейронные сети, перцептрон
- Дерево решений и случайный лес
- Вариации регрессии
- Линейная регрессия
- 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
- Задача нахождения объектов на изображении
- Neural Style Transfer
- Долгая краткосрочная память
- Метод опорных векторов (SVM)
- Байесовская классификация
- EM-алгоритм
- Рекомендательные системы
- Настройка гиперпараметров
- Активное обучение
- Примеры кода на R
- Примеры кода на Java
- Регуляризация
- Обратное распространение ошибки
- Порождающие модели
- Ядра
- Известные наборы данных
