Ние покриваме повече алгоритми за контролирано обучение
Миналата седмица разгледахме някои типове класификация в ML. Тази седмица разгледах повече алгоритми, които се използват в контролирано обучение за проблеми с класификацията и регресията.
4. Наивен модел на Байеса
- Използва се за големи крайни набори от данни.
- Метод за присвояване на етикети на клас с помощта на директна ациклична графика. Графиката се състои от родителски възел и множество възли на деца, където се приема, че всеки елемент е независим и отделен от родителя.
- Има три вида наивни байесови модели: Мултиноминален наивен байес, наивен байес на Бернули, наивен байес на Гаус.
- Техниката се използва предимно в системи за класифициране на текст, откриване на спам и системи за препоръки.
5. Случайни гори
- Това е ансамблов метод.
- Използва се както за целите на класификацията, така и за регресията.
- „гора“ се отнася до колекция от некорелирани дървета на решения. Дърветата по-късно се обединяват, за да се минимизира дисперсията и да се направят прогнозите по-точни.
6. Невронни мрежи
- Те са предимно лост за алгоритми за дълбоко обучение.
- Те обработват данни за обучение, като имитират взаимосвързаността в човешкия мозък чрез слоеве от възли.
- Всеки възел се състои от входове, тегла и пристрастия.
- Невронните мрежи научават функцията за картографиране чрез контролирано обучение, коригирайки въз основа на функцията за загуба, въпреки че градиентът е приличен.
- Те изискват значителни изчислителни ресурси.
Важни връзки
- https://serokell.io/blog/naive-bayes-classifiers
- https://www.ibm.com/cloud/learn/supervised-learning
- https://www.upgrad.com/blog/types-of-supervised-learning/
- https://www.simplilearn.com/10-algorithms-machine-learning-engineers-need-to-know-article
- https://towardsdatascience.com/supervised-vs-unsupervised-learning-bf2eab13f288
- https://www.networkworld.com/article/3587131/machine-learning-in-network-management-has-promise-challenges.html
- https://www.investopedia.com/terms/n/neuralnetwork.asp
