Публикации по теме 'unsupervised-learning'
Введение в машинное обучение, контролируемое, неконтролируемое обучение и обучение с подкреплением
Кто должен читать этот блог?
Если вы новичок в машинном обучении и хотите изучить понятия, связанные с определениями и различиями между обучением с учителем, обучением без учителя и обучением с подкреплением.
Это мой самый первый блог, посвященный машинному обучению. Здесь я попытался расшифровать точное значение терминов «машинное обучение», «обучение с учителем», «обучение без учителя» и «обучение с подкреплением».
Определение машинного обучения:
Если кто-то попросит..
Обзор неконтролируемого обучения функциям
Это краткий обзор туториалов Стэнфордского университета — Обучение характеристик без учителя и глубокое обучение . Обратите внимание, что мы пропускаем детали и фокусируемся только на понимании различных алгоритмов.
Автокодировщик
Автоэнкодер извлекает наиболее информативные признаки данных для восстановления. Есть две стратегии для ее достижения. Во-первых, использование процесса нелинейности для расширения возможностей кодировщика и расстояния L2 в качестве целевой функции..
Извлечение ключевой фразы с использованием встраивания предложений (обучение без учителя)
Наш пример использования заключался в создании ключевых фраз (биграмм или триграмм) из обзоров вместо создания тем, состоящих из одного слова. Темы из 1 слова не дают целостного представления о том, что говорится о продукте на рынке, но фраза помогает нам лучше понять, в положительном или отрицательном смысле говорится о словах. Я начал с тематического моделирования с использованием n-граммов, а также попытался сгенерировать высокочастотные слова с помощью tf-idf и Rake, что не привело к..
K-ближайший сосед (k-NN)
Алгоритм k-ближайших соседей (K-NN) — это простой, легко реализуемый алгоритм машинного обучения с учителем. «K» в k-NN относится к числу ближайших соседей, которые будут учитываться при принятии решения. Он обычно используется в качестве алгоритма классификации, но мы видели случаи, когда k-NN использовался в качестве алгоритма регрессии и превзошел многие алгоритмы регрессии.
K-NN также называется ленивым учеником, потому что он ничего не изучает из обучающих данных, вместо этого..
Использование алгоритмов визуализации (VAT и iVAT) для оценки тенденции кластера
Прежде чем профилировать основные темы, убедитесь, что в этом наборе данных есть кластеры.
Проведение сегментации клиентов и аудитории и т. д. — это экономичные способы принятия решений, основанных на фактах, путем поиска тем из неконтролируемых данных. Однако проведение кластерного анализа набора данных и принятие решений на его основе без проверки, во-первых, того, действительно ли существуют кластеры; может быть гораздо более разрушительным, дорогим и дорогостоящим.
В этой статье..
Все, что вам нужно знать о типах машинного обучения.
Машинное обучение – это область изучения компьютеров и алгоритмов , которая автоматически повышает свою производительность благодаря опыту. Это ветвь искусственного интеллекта, основанная на идее, что компьютеры могут учиться на информации, которую они обрабатывают с помощью массивных наборов данных, и выявлять закономерности для принятия решений с минимальным вмешательством человека.
Алгоритмы машинного обучения используются в различных реальных приложениях и проектах, поскольку..
Изучение правил ассоциации
Изучение правил ассоциации — это метод интеллектуального анализа данных, который позволяет нам получить интересные сведения о взаимосвязях между элементами. Если мне нужно определить это в одной строке, я могу просто сказать:
Изучение ассоциативных правил — это просто поиск ассоциации между двумя разными вещами. Например, люди, которые купили хлеб, также купили масло или люди, которые смотрели «3 идиота», также смотрели «Чичхор» и т. д.
Это правило ассоциации можно использовать для..
