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

  1. Выберите лучший атрибут
  2. Задаваемые вопросы
  3. Следуйте пути ответа
  4. 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!