Машинное обучение. Кластеризация и частичное обучение. К.В. Воронцов, Школа анализа данных, Яндекс.
Задача кластеризации – это обучение без учителя. Требуется разбить конечное множество объектов на кластеры по их взаимной близости. Если для части объектов, обычно очень небольшой, классификации всё же известны, то это задача с частичным обучением. Самый известный метод кластеризации – k-средних, если внимательно присмотреться, является сильно упрощённым вариантом ЕМ-алгоритма для разделения смеси сферических гауссиан. Метод DBSCAN более удобен в тех задачах, где нельзя делать предположение о сферичности кластеров. Если требуется иерархически объединять мелкие кластеры в более крупные, используется алгоритм Ланса-Уильямса. Все методы кластеризации очень легко приспосабливаются для частичного обучения. Есть и противоположный подход – приспосабливать методы классификации с учителем. Кроме простых эвристических методов, существует трансдуктивный SVM и различные подходы на основе регуляризаторов.
Видео Машинное обучение. Кластеризация и частичное обучение. К.В. Воронцов, Школа анализа данных, Яндекс. канала Компьютерные науки
Видео Машинное обучение. Кластеризация и частичное обучение. К.В. Воронцов, Школа анализа данных, Яндекс. канала Компьютерные науки
Показать
Комментарии отсутствуют
Информация о видео
Другие видео канала
Машинное обучение. Логические методы классификации. К.В. Воронцов, Школа анализа данных, Яндекс.020. Методы кластеризации - К.В. ВоронцовДень открытых дверей в Школе анализа данных Яндекс 2019 - Прямая трансляцияРанжирование объявлений на основе машинного обучения и ElasticSearch / Павел Тарасов (ЦИАН)Информационный поиск. Ранжирование с машинным обучениемЕвгений Разинков. Лекция 10. Кластеризация (курс "Машинное обучение, весна 2019)Машинное обучение. Рекомендательные системы. К.В. Воронцов, Школа анализа данных, Яндекс.016. Оценки обобщающей способности - К. В. ВоронцовМашинное обучение. Нейронные сети и градиентные методы. К.В. Воронцов, Школа анализа данных, Яндекс.Машинное обучение. Критерии выбора моделей. К.В. Воронцов, Школа анализа данных,Яндекс.Машинное обучение и искусственный интеллект001. Вводная лекция - К.В. ВоронцовМашинное обучение. Байесовская классификация. К.В. Воронцов, Школа анализа данных, Яндекс.Машинное обучение. Нейронные сети глубокого обучения. К.В. Воронцов, Школа анализа данных, Яндекс.Машинное обучение. Композиции классификаторов, часть 2. К.В. Воронцов, Школа анализа данных, Яндекс.Машинное обучение. Поиск ассоциативных правил. К.В. Воронцов, Школа анализа данных, Яндекс.Машинное обучение. Линейные композиции, бустинг. К.В. Воронцов, Школа анализа данных, Яндекс.Машинное обучение. Обучение с подкреплением. К.В. Воронцов, Школа анализа данных, Яндекс.Машинное обучение. Тематическое моделирование. К.В. Воронцов, Школа анализа данных, Яндекс.Машинное обучение. Обучение ранжированию. К.В. Воронцов, Школа анализа данных, Яндекс.