Зміст
15 відносини: Категорійний розподіл, Підсилювання (машинне навчання), Породжувальна модель, Навчання без учителя, Навчання з учителем, Розподіл Бернуллі, Регресійний аналіз, Спільний розподіл, Умовний розподіл, Штучна нейронна мережа, Машинне навчання, Метод опорних векторів, Задача класифікації, Лінійна регресія, Логістична регресія.
- Регресійні моделі
Категорійний розподіл
В теорії ймовірностей та статистиці категорі́йний розпо́діл (categorical distribution, що також називають «узагальненим розподілом Бернуллі», multinoulli distribution або, менш точно, «дискретним розподілом») — це розподіл імовірності, що описує можливі результати випадкової події, яка може мати один із K можливих наслідків, із окремим зазначенням ймовірності кожного з наслідків.
Переглянути Розрізнювальна модель і Категорійний розподіл
Підсилювання (машинне навчання)
Підси́лювання (boosting) — це мета-алгоритм машинного навчання передусім для зменшення зсуву а також і дисперсії у навчанні з учителем, та сімейство алгоритмів машинного навчання, які перетворюють слабких учнів на сильних.
Переглянути Розрізнювальна модель і Підсилювання (машинне навчання)
Породжувальна модель
В теорії ймовірностей та статистиці поро́джувальна моде́ль (generative model) — це модель для породження випадковим чином значень спостережуваних даних, зазвичай для певних заданих прихованих параметрів.
Переглянути Розрізнювальна модель і Породжувальна модель
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 Розрізнювальна модель 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 Розрізнювальна модель і Навчання з учителем
Розподіл Бернуллі
Розподіл Бернуллі — розподіл ймовірностей дискретної випадкової величини названий на честь швейцарського математика Якоба Бернуллі.
Переглянути Розрізнювальна модель і Розподіл Бернуллі
Регресійний аналіз
Регресі́йний ана́ліз — розділ математичної статистики, присвячений методам аналізу залежності однієї величини від іншої.
Переглянути Розрізнювальна модель і Регресійний аналіз
Спільний розподіл
У дослідженнях імовірності для заданих щонайменше двох випадкових змінних X, Y,..., що визначені на ймовірнісному просторі, спі́льний розпо́діл імові́рності для X, Y,...
Переглянути Розрізнювальна модель і Спільний розподіл
Умовний розподіл
Умовний розподіл у теорії ймовірностей — це розподіл випадкової величини за умови, що інша випадкова величина набуває визначене значення.
Переглянути Розрізнювальна модель і Умовний розподіл
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 Розрізнювальна модель 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 Розрізнювальна модель 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 Розрізнювальна модель і Метод опорних векторів
Задача класифікації
Задача класифіка́ції — формалізована задача, яка містить множину об'єктів (ситуацій), поділених певним чином на класи.
Переглянути Розрізнювальна модель і Задача класифікації
Лінійна регресія
Приклад простої лінійної регресії з однією незалежною змінною У статистиці лінійна регресія — це метод моделювання залежності між скаляром y та векторною (у загальному випадку) змінною X.
Переглянути Розрізнювальна модель і Лінійна регресія
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 Розрізнювальна модель і Логістична регресія
Див. також
Регресійні моделі
- Загальна лінійна модель
- Змішана модель
- Логістична регресія
- Розрізнювальна модель
Також відомий як Умовна модель, Дискримінативна модель.