Содержание
7 отношения: AdaBoost, Переобучение, Функция потерь, Машинное обучение, Метод Ньютона, Дихотомия, Дерево решений.
- Алгоритмы классификации
- Композиционное обучение
AdaBoost
AdaBoost (сокращение от Adaptive Boosting) — алгоритм машинного обучения, предложенный Йоавом Фройндом (en:Yoav Freund) и Робертом Шапирe (en:Robert Schapire).
Посмотреть BrownBoost и AdaBoost
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 BrownBoost и Переобучение
Функция потерь
Функция потерь — функция, которая в теории статистических решений характеризует потери при неправильном принятии решений на основе наблюдаемых данных.
Посмотреть BrownBoost и Функция потерь
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 BrownBoost и Машинное обучение
Метод Ньютона
Метод Ньютона, алгоритм Ньютона (также известный как метод касательных) — это итерационный численный метод нахождения корня (нуля) заданной функции.
Посмотреть BrownBoost и Метод Ньютона
Дихотомия
Дихотоми́я (διχοτομία: δῐχῆ, «надвое» + τομή, «деление») — раздвоенность, последовательное деление на две части, более связанные внутри, чем между собой.
Посмотреть BrownBoost и Дихотомия
Дерево решений
Дерево принятия решений (также может называться деревом классификации или регрессионным деревом) — средство поддержки принятия решений, использующееся в статистике и анализе данных для прогнозных моделей.
Посмотреть BrownBoost и Дерево решений
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