Обсуждение участника:Qrort — различия между версиями

Материал из Викиконспекты
Перейти к: навигация, поиск
(Обучение с учителем)
(Неконтролируемое обучение)
Строка 7: Строка 7:
 
==== Нейронные сети ====
 
==== Нейронные сети ====
  
=== Неконтролируемое обучение ===
+
=== === [[Общие понятия#Классификация задач машинного обучения | Обучение без учителя ]] ======
Алгоритмы неконтролируемого обучения применительно к астрономии имеют особое значение для научных исследований, поскольку они могут быть использованы для извлечения новых знаний из существующих наборов данных и могут способствовать новым открытиям.
+
Алгоритмы обучения без учителя применительно к астрономии имеют особое значение для научных исследований, поскольку они могут быть использованы для извлечения новых знаний из существующих наборов данных и могут способствовать новым открытиям.
 
==== Кластеризация ====
 
==== Кластеризация ====
 
==== Уменьшение размерности ====
 
==== Уменьшение размерности ====
 
==== Визуализация и обнаружение выбросов ====
 
==== Визуализация и обнаружение выбросов ====

Версия 18:28, 7 января 2021

Машинное обучение в астрономии

Астрономия переживает стремительный рост объема и сложности данных. Соответственно, в последние годы алгоритмы машинного обучения становятся все более популярными среди астрономов и в настоящее время используются для решения самых разнообразных задач. В этой статье кратко приводится практическая информация о применении инструментов машинного обучения к астрономическим данным. В этом документе я освещаю основные темы контролируемого машинного обучения, включая отбор и предварительную обработку входного набора данных, методы оценки и три популярных алгоритма контролируемого обучения, машины опорных векторов, случайные леса и неглубокие искусственные нейронные сети. Mymain фокусируется на неконтролируемых алгоритмах машинного обучения,которые используются для выполнения кластерного анализа, уменьшения размерности, визуализации и обнаружения выбросов. Алгоритмы неконтролируемого обучения имеют особое значение для научных исследований, поскольку они могут быть использованы для извлечения новых знаний из существующих наборов данных и могут способствовать новым открытиям.

Обучение с учителем

В этом разделе рассматриваются алгоритмы, наиболее часто встречающиеся в научных работах астрономической тематики, и конкретные модели этих работ.

Алгоритм опорных векторов

Случайные леса

Нейронные сети

=== Обучение без учителя ===

Алгоритмы обучения без учителя применительно к астрономии имеют особое значение для научных исследований, поскольку они могут быть использованы для извлечения новых знаний из существующих наборов данных и могут способствовать новым открытиям.

Кластеризация

Уменьшение размерности

Визуализация и обнаружение выбросов