Машинное обучение часто разделяется на три направления: обучение с учителем (контролируемое обучение), обучение без учителя (неконтролируемое обучение) и обучение с подкреплением.
Цель этапа обучения — описание данных, которые называются вектором признаков, и сведение их в модели.
База данных анализа полнометр
Пояснение для тех, кому интересна математика: эта норма использует оценку по методу наименьших квадратов согласно теореме Гаусса—Маркова. Для всех остальных: это кратчайшее расстояние между двумя точками.
функция стоимости основана на принципе максимальной энтропии,
Машинное обучение называют также индуктивным обучением (inductive learning), потому что код старается выявить структуру только лишь на основе данных. Это все равно что отправиться на каникулы за границу и читать местный журнал мод, пытаясь понять, как одеться, чтобы сойти «за своего».
В университете учредил лигу Hack.UVA (http://hackuva.io), а также читал один из самых посещаемых курсов лекций по Haskell (http://shuklan.com/haskell).
https://github.com/BinRoot/TensorFlow-Book.
Реальные задачи
Алгоритм
Глава
Прогнозирование тенденций, приближение данных с помощью кривой, описание связей между переменными
Линейная регрессия
3
Разделение данных на две категории, нахождение наилучшего способа разделения набора данных
Логистическая регрессия
4
Разделение данных на множество категорий
Многопеременная логистическая регрессия
4
Выявление скрытых причин наблюдаемых явлений, нахождение наиболее вероятной скрытой причины для серии выходных данных
Скрытые марковские модели (алгоритм Витерби)
5
Кластеризация данных по фиксированному числу категорий, автоматическое разделение точек данных на различные классы
Метод k-средних
6
Кластеризация данных по произвольным категориям, визуализация данных большой размерности с помощью низкоразмерного представления
Самоорганизующаяся карта
Прогнозирование тенденций, приближение данных с помощью кривой, описание связей между переменными
Линейная регрессия
3
Разделение данных на две категории, нахождение наилучшего способа разделения набора данных
Логистическая регрессия
4
Разделение данных на множество категорий
Многопеременная логистическая регрессия
4
Выявление скрытых причин наблюдаемых явлений, нахождение наиболее вероятной скрытой причины для серии выходных данных
Скрытые марковские модели (алгоритм Витерби)
5
Кластеризация данных по фиксированному числу категорий, автоматическое разделение точек данных на различные классы
Метод k-средних
6
Кластеризация данных по произвольным категориям, визуализация данных большой размерности с помощью низкоразмерного представления
Самоорганизующаяся карта
6
Уменьшение размерности данных,