- •Что такое машинное обучение
- •Искусственный интеллект
- •Иерархия задач машинного обучения
- •Вопросы для самоконтроля и контроля
- •Практические задания
- •Список источников
- •Принцип машинного обучения
- •Модели машинного обучения
- •Классы задач машинного обучения
- •Принцип решения задач обучения с учителем (supervised learning)
- •Регрессионный анализ
- •Классификация объектов
- •Вопросы для самоконтроля и контроля
- •Практические задания
- •Список источников
- •Классы задач машинного обучения
- •Обучение без учителя (unsupervised learning)
- •Задачи кластеризации объектов
- •Задачи снижения размерности описания объектов
- •Задачи поиска правил, описывающих закономерности в описании объектов
- •Обучение с подкреплением (Reinforcement Learning)
- •Библиотеки и фреймворки машинного обучения
- •Вопросы для самоконтроля и контроля
- •Практические задания
- •Список источников
- •Постановка задачи построения линейной регрессии
- •Решение задачи. Нормальная система уравнений
- •Пример построения линейной регрессии
- •Пример неустойчивости метода НК
- •L2-регуляризация
- •L1-регуляризация
- •Вопросы для самоконтроля и контроля
- •Практические задания
- •Список источников
< |
— |
> |
∙визуализировать пространственную структуру данных; конечно, для этого необходимо спроектировать пространственную структуру описаний объектов из многомерного пространства в 2-х или 3-х мерное пространство с сохранением этой структуры (см. рис. 4);
∙выявить главные признаки описания объектов (факторы), а все второстепенные шумы убрать; для этого используются методы факторного анализа (см. рис. 5);
∙снизить требуемые объемы памяти и время расчета, используемые для хранения и обучения модели.
Рис. 5: Выделение главное фактора: красная линия показывает напрвление оси главного фактора. Зная значение главного фактора - расположение точки на его оси (одно число) можно получить координаты точки на плоскости (два числа)
Пример 2.4 (Снижение размерности: кодирование многомерных объектов и визуальный анализ).
Предположим, что мы имеем определенную статистику поведения сотрудников компании на
обучающих корпоративных курсах. Вам хочется на основе этой статистики выделить сотруд-
ников, которые не будут прогрессировать в работе. Но вы не знаете какая информация для этого
будет полезна. На основе какой информации можно разделить сотрудников на кластеры, чтобы
выделить интересующий нас кластер. В этом случае полезно взглянуть на пространственную
структуру объектов на основе имеющейся информации и понять есть ли там интересующие
нас кластеры. Для этого необходимо воспользоваться методом снижения размерности описа-
ния объектов, сохраняющем пространственную структуру объектов
2.3Задачи поиска правил, описывающих закономерности в описании объектов
Задача поиска правил тесно связана с задачей кластеризации или поиска типичных объектов. Дело в том, что типичные объекты схожи между собой тем, что они подчиняются одинаковым закономерностям. Например, если мы имеем описание студентов курса "Математика и Python"в
« |
7 |
» |