115
правок
Изменения
→Классификация задач машинного обучения
== Классификация задач машинного обучения ==
==== Обучение с учителем (англ. ''Supervised learning'') ==== <ref> [http://www.machinelearning.ru/wiki/index.php?title=%D0%9E%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5_%D1%81_%D1%83%D1%87%D0%B8%D1%82%D0%B5%D0%BB%D0%B5%D0%BC Обучение с учителем]</ref>===
Тренировочные данные доступны все сразу и размечены (известны ответы для поставленной задачи).<br/>
''Задачи которые могут решаться этим способом:'' классификация, регрессия, предсказание.
==== Обучение без учителя (англ. ''Unsupervised learning'') ====
Тренировочные данные доступны все сразу, но ответы для поставленной задачи неизвестны.<br/>
''Задачи, которые могут решаться этим способом:'' кластеризация, нахождение ассоциативных правил, выдача рекомендаций (например реклама), уменьшение размености датасета.
==== Обучение с частичным привлечением учителя (англ. ''Semi-supervised learning'') ====
Тренировочные данные доступны все сразу, но размечено мало, либо малоинформативная часть.<br/>
''Примером частичного обучения может послужить сообучение:'' два или более обучаемых алгоритма используют один и тот же набор данных, но каждый при обучении использует различные — в идеале некоррелированные — наборы признаков объектов.
==== Обучение с подкреплением (англ. ''Reinforcement learning'') ====
Частный случай обучения с учителем, сигналы подкрепления (правильности ответа) выдаются не учителем, а некоторой средой, с которой взаимодействует программа. Размеченность данных зависит от среды.
==== Активное обучение (англ. ''Active learning'') ====
Отличается тем, что обучаемый имеет возможность самостоятельно назначать следующий прецедент, который станет известен.
==== Обучение в реальном времени (англ. ''Online learning'') ====
Тренировочные данные поступают последовательно.
==== Структурное предсказание (англ. ''Structured prediction'') ======== Выбор модели и валидация (англ. ''Model selection and validation'') ====
== Примеры задач ==
