Контролируемое обучение — приводит примеры входных и выходных данных. Теперь, учитывая новый ввод, предскажите его вывод.
Контролируемая классификация -
Тип вывода — дискретный (метки классов)
Что вы пытаетесь найти? — Граница принятия решения
Оценка — Точность
Регрессия -
Тип вывода — Непрерывный (количество)
Что вы пытаетесь найти? — «Линия наилучшего соответствия»
Оценка — «Сумма квадратов ошибок» или r² (r в квадрате)
Обучение классификации
- Экземпляры (входы)
- Концепция (Функция)
- Целевая концепция (ответ)
- Гипотетический класс (все функции)
- Образец (обучающий набор)
- Кандидат (концепция ?= целевая концепция)
- Тестовый набор
Дерево решений: обучение
- Выберите лучший атрибут
- Задаваемые вопросы
- Следуйте пути ответа
- Go to 1
Алгоритм ID3
Энтропия
Прирост информации
Нейронные сети
https://www.youtube.com/playlist?list=PLiaHhY2iBX9hdHaRr6b7XevZtgZRa1PoU
Обучение на основе примеров
‹x, y›, ‹x1, y1›, ‹x,y›n ⇒ База данных
f(x) = поиск(x)
Дано:
данные обучения, D = {xi, yi}
показатель расстояния, d(q, x)
количество соседей, k
точка запроса, q
NN = {i : d(qi, xi) k наименьшее}
Возвращение
- Классификация: голосование yi ∈ NN (мода)
- Регрессия: среднее значение yi ∈ NN
Байесовское обучение
https://www.youtube.com/watch?v=TuGDMj43ehw
Хорошо, это пока! Спасибо, что потратили свое время. Ваше здоровье!