Задачи машинного обучения
Запишетесь на полный курс Машинного обучения на Python по адресу support@ittensive.com
Все задачи, решаемые с помощью машинного обучения (ML), относятся к одной из следующих категорий.
Обучение с учителем
Представлены пары "набор данных" - верный ответ. Требуется спрогнозировать верный ответ для новых наборов данных.
Задача регрессии
Прогноз на основе выборки объектов с различными признаками. На выходе должно получиться вещественное число (2, 35, 76.454 и др.), к примеру цена квартиры, стоимость ценной бумаги по прошествии полугода, ожидаемый доход магазина на следующий месяц, качество вина при слепом тестировании.
Задача классификации
Получение категориального ответа на основе набора признаков. Имеет конечное количество ответов (как правило, в формате «да» или «нет»): есть ли на фотографии кот, является ли изображение человеческим лицом, болен ли пациент раком. Также сюда относятся задачи множественной классификации - отнесение объекта к одной из известных категорий.
Обучение без учителя
Для наборов данных нет верного ответа. Требуется предсказать для них наиболее "правильные" ответы.
Задача кластеризации
Распределение данных на группы: разделение всех клиентов мобильного оператора по уровню платёжеспособности, отнесение космических объектов к какой-либо категории (планета, звёзда, чёрная дыра и т. п.), которая в дальнейшем может быть обозначена. В отличие от задачи классификации, нет заранее известной группы кластеров.
Задача уменьшения размерности
Сведение большого числа признаков к меньшему (обычно 2–3) для удобства их последующей визуализации (например, сжатие данных).
Задача выявления аномалий (новизны)
Отделение аномалий от стандартных случаев. На первый взгляд она совпадает с задачей классификации, но есть одно существенное отличие: аномалии – явление редкое, и обучающих примеров, на которых можно натаскать машинно обучающуюся модель на выявление таких объектов, либо исчезающе мало, либо просто нет, поэтому методы классификации здесь не работают. На практике такой задачей является, например, выявление мошеннических действий с банковскими картами.
Обучение с подкреплением
Автоматическое принятие решений в условии неполных данных и обучение на ошибках (результатах действий по итогам принятых решений). В отличие от предыдущих разделов присутствует среда обучения (и действия).
Различают несколько вариантов действий при таком обучении: в каждой ситуации, в ряде ситуаций или только оценка ситуации (без действий).
Подробнее по каждому виду задач поговорим в соответствующих темах.
Видео Задачи машинного обучения канала Центр digital профессий ITtensive
Все задачи, решаемые с помощью машинного обучения (ML), относятся к одной из следующих категорий.
Обучение с учителем
Представлены пары "набор данных" - верный ответ. Требуется спрогнозировать верный ответ для новых наборов данных.
Задача регрессии
Прогноз на основе выборки объектов с различными признаками. На выходе должно получиться вещественное число (2, 35, 76.454 и др.), к примеру цена квартиры, стоимость ценной бумаги по прошествии полугода, ожидаемый доход магазина на следующий месяц, качество вина при слепом тестировании.
Задача классификации
Получение категориального ответа на основе набора признаков. Имеет конечное количество ответов (как правило, в формате «да» или «нет»): есть ли на фотографии кот, является ли изображение человеческим лицом, болен ли пациент раком. Также сюда относятся задачи множественной классификации - отнесение объекта к одной из известных категорий.
Обучение без учителя
Для наборов данных нет верного ответа. Требуется предсказать для них наиболее "правильные" ответы.
Задача кластеризации
Распределение данных на группы: разделение всех клиентов мобильного оператора по уровню платёжеспособности, отнесение космических объектов к какой-либо категории (планета, звёзда, чёрная дыра и т. п.), которая в дальнейшем может быть обозначена. В отличие от задачи классификации, нет заранее известной группы кластеров.
Задача уменьшения размерности
Сведение большого числа признаков к меньшему (обычно 2–3) для удобства их последующей визуализации (например, сжатие данных).
Задача выявления аномалий (новизны)
Отделение аномалий от стандартных случаев. На первый взгляд она совпадает с задачей классификации, но есть одно существенное отличие: аномалии – явление редкое, и обучающих примеров, на которых можно натаскать машинно обучающуюся модель на выявление таких объектов, либо исчезающе мало, либо просто нет, поэтому методы классификации здесь не работают. На практике такой задачей является, например, выявление мошеннических действий с банковскими картами.
Обучение с подкреплением
Автоматическое принятие решений в условии неполных данных и обучение на ошибках (результатах действий по итогам принятых решений). В отличие от предыдущих разделов присутствует среда обучения (и действия).
Различают несколько вариантов действий при таком обучении: в каждой ситуации, в ряде ситуаций или только оценка ситуации (без действий).
Подробнее по каждому виду задач поговорим в соответствующих темах.
Видео Задачи машинного обучения канала Центр digital профессий ITtensive
Показать
Комментарии отсутствуют
Информация о видео
1 мая 2020 г. 19:14:43
00:09:46
Другие видео канала
ОБУЧЕНИЕ С УЧИТЕЛЕМ, ОБУЧЕНИЕ БЕЗ УЧИТЕЛЯ, ОБУЧЕНИЕ С ПОДКРЕПЛЕНИЕМ | ЗАДАЧИ МАШИННОГО ОБУЧЕНИЯПроцесс ETL: получение, очистка, объединение данныхЛекция 8. Линейная регрессияUCB-стратегияРазбор задачи по Data Science "Предсказывание пожаров"Алгоритм k-ближайших соседей // Основы машинного обученияАнализ больших данных. Первые шаги | Прогноз погоды через Python и ExcelМашинное обучение. Лекция 6. КластеризацияСкальпинг. Обучение скальпингу.All Machine Learning Models Explained in 5 Minutes | Types of ML Models BasicsThe Role of AI and Machine Learning in Mechanical EngineeringWhat is a Machine Learning EngineerDeep Q-Network (DQN)Машинное обучение и нейросети / Интервью с техническим директором Яндекс.ДзенMachine learning(2018) -Types of Problems You can Solve With Machine LearningSoftmax-стратегияЛекция 3. Обучение без учителяКак эффективно тестировать ETL системы вручную? | Meta/conf#10. Обучение с подкреплением или как загнать машину на гору | Генетические алгоритмы на PythonСтратегия (выборка) Томпсона