Содержание
3 отношения: Переобучение, Распределение вероятностей, Машинное обучение.
- Алгоритмы классификации
- Композиционное обучение
Переобучение
Переобучение (переподгонка, пере- в значении «слишком», overfitting) в машинном обучении и статистике — явление, когда построенная модель хорошо объясняет примеры из обучающей выборки, но относительно плохо работает на примерах, не участвовавших в обучении (на примерах из тестовой выборки).
Посмотреть AdaBoost и Переобучение
Распределение вероятностей
Распределение вероятностей — это закон, описывающий область значений случайной величины и вероятности их исхода (появления).
Посмотреть AdaBoost и Распределение вероятностей
Машинное обучение
Машинное обучение (machine learning, ML) — класс методов искусственного интеллекта, характерной чертой которых является не прямое решение задачи, а обучение в процессе применения решений множества сходных задач.
Посмотреть AdaBoost и Машинное обучение
См. также
Алгоритмы классификации
- AdaBoost
- BrownBoost
- C4.5
- ID3 (алгоритм)
- Locality-sensitive hashing
- Вероятностный латентно-семантический анализ
- Дискриминантный анализ
- Задача классификации
- Задача поиска ближайшего соседа
- Линейный классификатор
- Метод k ближайших соседей
- Метод группового учёта аргументов
- Метод опорных векторов
- Многослойный перцептрон Румельхарта
- Наивный байесовский классификатор
- Нейронная сеть
- Перцептрон
- Пробит-регрессия
- Рассуждения на основе прецедентов
- Сеть радиально-базисных функций
Композиционное обучение
- AdaBoost
- BrownBoost

