Зміст
28 відносини: Python, R (мова програмування), Random forest, SIFT, Weka, XGBoost, Комп'ютерний зір, Компроміс зсуву та дисперсії, Премія Геделя, Патерн, Помилки першого і другого роду, Перехресна перевірка, Опукла функція, Навчання без учителя, Навчання з учителем, Роберт Шапіро, Статистика, Список наборів даних для досліджень з машинного навчання, Узагальнення, Штучна нейронна мережа, Машинне навчання, Метод опорних векторів, Задача класифікації, Бінарна класифікація, Виявлення контурів, Логістична регресія, Логарифм, Леслі Веліент.
- Алгоритми класифікації
- Ансамблеве навчання
- Розпізнавання та категоризація об'єктів
Python
Python (найчастіше вживане прочитання — «Па́йтон», запозичено назву з британського шоу Монті Пайтон) — інтерпретована об'єктно-орієнтована мова програмування високого рівня з строгою динамічною типізацією.
Переглянути Підсилювання (машинне навчання) і Python
R (мова програмування)
R — мова програмування і програмне середовище для статистичних обчислень, аналізу та зображення даних в графічному вигляді.
Переглянути Підсилювання (машинне навчання) і R (мова програмування)
Random forest
Random forest (випадковий ліс) — алгоритм машинного навчання, запропонований Лео Брейманом і Адель Катлер, що полягає у використанні комітету (ансамблю) вирішальних дерев.
Переглянути Підсилювання (машинне навчання) і Random forest
SIFT
SIFT (Scale-invariant feature transform, масштабонезалежне перетворення ознак) — алгоритм із області комп'ютерного зору, який виявляє і описує локальні ознаки зображення.
Переглянути Підсилювання (машинне навчання) і SIFT
Weka
Weka (Waikato Environment for Knowledge Analysis) — вільне програмне забезпечення для аналізу даних та машинного навчання, написане на Java в університеті Ваїкато (Нова Зеландія), розповсюджується за ліцензією GNU GPL.
Переглянути Підсилювання (машинне навчання) і Weka
XGBoost
XGBoost (від eXtreme Gradient Boosting, екстремальне градієнтне підсилювання) — це програмна бібліотека з відкритим кодом, яка пропонує систему для C++, Java, Python, R та.
Переглянути Підсилювання (машинне навчання) і XGBoost
Комп'ютерний зір
марсоходу. Зверніть увагу на стерео камери, встановлені на верхівці. Комп'ю́терний зір або Комп'ютерне бачення — теорія та технологія створення машин, які можуть проводити виявлення, стеження та класифікацію об'єктів.
Переглянути Підсилювання (машинне навчання) і Комп'ютерний зір
Компроміс зсуву та дисперсії
У статистиці та машинному навчанні, компромі́с (або диле́ма) зсу́ву та диспе́рсії (bias–variance tradeoff or dilemma) — це задача одночасної мінімізації двох джерел похибки, які перешкоджають алгоритмам керованого навчання робити узагальнення на основі їхніх.
Переглянути Підсилювання (машинне навчання) і Компроміс зсуву та дисперсії
Премія Геделя
Премія Геделя (Gödel Prize) — щорічна премія за визначні праці у теоретичній інформатиці, що присуджується з 1993 року організаціями ACM та EATCS (European Association for Theoretical Computer Science).
Переглянути Підсилювання (машинне навчання) і Премія Геделя
Патерн
Патерн (Pattern«зразок, шаблон; форма, модель; схема, діаграма») — схема-образ, що діє як посередник уявлення, або чуттєве поняття, завдяки якому в режимі одночасності сприйняття і мислення виявляються закономірності, як вони існують в природі і суспільстві.
Переглянути Підсилювання (машинне навчання) і Патерн
Помилки першого і другого роду
Помилки першого роду (type I errors α errors, false positives) та помилки другого роду (type II errors β errors, false negatives) — поняття математичної статистики та її прикладних застосувань, які виникають під час перевірки статистичних гіпотез.
Переглянути Підсилювання (машинне навчання) і Помилки першого і другого роду
Перехресна перевірка
Перехресна перевірка (cross-validation) — метод з метою перевірки, наскільки результати статистичного аналізу узагальнюються на незалежному наборі даних.
Переглянути Підсилювання (машинне навчання) і Перехресна перевірка
Опукла функція
Опукла функція однієї змінної Опукла функція — функція, яка визначена на опуклій множині лінійного простору, і задовольняє нерівності при всіх λ ∈. Нехай область визначення опуклої функції f(x) лежить в скінченновимірному просторі, тоді f(x) неперервна в будь якій внутрішній точці цієї області.
Переглянути Підсилювання (машинне навчання) і Опукла функція
Навчання без учителя
Навчання без вчителя (Unsupervised learning, самоосвіта, спонтанне навчання) — один зі способів машинного навчання, при вирішенні яких випробовувана система спонтанно навчається виконувати поставлене завдання, без втручання з боку експериментатора.
Переглянути Підсилювання (машинне навчання) і Навчання без учителя
Навчання з учителем
Навчання з учителем (Supervised learning) — один із способів машинного навчання, в ході якого випробувана система примусово навчається за допомогою наявної множини прикладів «стимул-реакція» з метою визначення «реакції» для «стимулів», які не належать наявній множини прикладів.
Переглянути Підсилювання (машинне навчання) і Навчання з учителем
Роберт Шапіро
Роберт Еліас Шапіро був Девідом М. Сігел'83 (1963 року) — американський науковець, професор кафедри комп'ютерних наук в Принстонському університеті і нещодавно перейшов до Microsoft Research.
Переглянути Підсилювання (машинне навчання) і Роберт Шапіро
Статистика
Стати́стика — наука, що вивчає методи кількісного охоплення і дослідження масових, зокрема суспільних, явищ і процесів.
Переглянути Підсилювання (машинне навчання) і Статистика
Список наборів даних для досліджень з машинного навчання
Набори даних використовується для досліджень в області машинного навчання, посилання на них використовуються в наукових академічних статтях.
Переглянути Підсилювання (машинне навчання) і Список наборів даних для досліджень з машинного навчання
Узагальнення
Узага́льнення — основний елемент логіки та міркувань людини.
Переглянути Підсилювання (машинне навчання) і Узагальнення
Штучна нейронна мережа
головному мозку. Тут кожним круговим вузлом представлено штучний нейрон, а стрілкою — з'єднання виходу одного штучного нейрону зі входом іншого. Шту́чні нейро́нні мере́жі (ШНМ, artificial neural networks, ANN), або системи (connectionist systems) — це обчислювальні системи, натхнені біологічними нейронними мережами, що складають мозок тварин.
Переглянути Підсилювання (машинне навчання) і Штучна нейронна мережа
Машинне навчання
Машинне навчання (machine learning) — це підгалузь штучного інтелекту в галузі інформатики, яка часто застосовує статистичні прийоми для надання комп'ютерам здатності «навчатися» (тобто, поступово покращувати продуктивність у певній задачі) з даних, без того, щоби бути програмованими явно.
Переглянути Підсилювання (машинне навчання) і Машинне навчання
Метод опорних векторів
В машинному навчанні ме́тод опо́рних векторі́в (метод опорных векторов) — це метод аналізу даних для класифікації та регресійного аналізу за допомогою моделей з керованим навчанням з пов'язаними алгоритмами навчання, які називаються опо́рно-ве́кторними маши́нами (ОВМ, support vector machines, SVM, також опо́рно-ве́кторними мере́жами, support vector networks).
Переглянути Підсилювання (машинне навчання) і Метод опорних векторів
Задача класифікації
Задача класифіка́ції — формалізована задача, яка містить множину об'єктів (ситуацій), поділених певним чином на класи.
Переглянути Підсилювання (машинне навчання) і Задача класифікації
Бінарна класифікація
Бінарнарна класифікація — клас задач класифікації елементів набору даних на дві групи на підставі правила класифікації.
Переглянути Підсилювання (машинне навчання) і Бінарна класифікація
Виявлення контурів
Ви́явлення ко́нтурів (edge detection) — це назва набору математичних методів, спрямованих на виявлення точок цифрового зображення, в яких яскравість зображення змінюється різко, або, формальніше, має розриви.
Переглянути Підсилювання (машинне навчання) і Виявлення контурів
Логістична регресія
Логістична регресія (logistic regression) або лоґіт-регресія (logit model) — статистичний регресійний метод, що застосовують у випадку, коли залежна змінна є категорійною, тобто може набувати тільки двох значень (чи, загальніше, скінченної множини значень).
Переглянути Підсилювання (машинне навчання) і Логістична регресія
Логарифм
(8, 3). log2(2).
Переглянути Підсилювання (машинне навчання) і Логарифм
Леслі Веліент
Леслі Габріел Веліент (Leslie Gabriel Valiant; 28 березня 1946) — британський вчений-теоретик у галузі інформатики, лауреат премії Тюрінга.
Переглянути Підсилювання (машинне навчання) і Леслі Веліент
Див. також
Алгоритми класифікації
- Random forest
- Багатошаровий перцептрон
- Дерева рішень у машинному навчанні
- Доречно-векторна машина
- Задача класифікації
- Лінійний класифікатор
- Лінійний розділювальний аналіз
- Мережа радіальних базисних функцій
- Метод k-найближчих сусідів
- Метод групового урахування аргументів
- Метод опорних векторів
- Наївний баєсів класифікатор
- Перцептрон
- Похибка узагальнення
- Пошук найближчого сусіда
- Підсилювання (машинне навчання)
- Штучна нейронна мережа
- Ядрові методи
Ансамблеве навчання
- Random forest
- Підсилювання (машинне навчання)
Розпізнавання та категоризація об'єктів
- Google Goggles
- Автоматичне розпізнавання цілі
- Виявлення обличчя
- Гістограма напрямлених градієнтів
- Підсилювання (машинне навчання)
Також відомий як Boosting, Boosting (машинне навчання), Boosting (мета-алгоритм), Алгоритми підсилювання, Підсилювання (мета-алгоритм), Бустинг (машинне навчання), Бустинг (мета-алгоритм).