Irina-Smol / MachineLearning

Libraries, metrics, models, small projects

Geek Repo:Geek Repo

Github PK Tool:Github PK Tool

MachineLearning

Машинное обучение — это подраздел искусственного интеллекта (ИИ) и наук о данных, базирующийся на использовании данных и алгоритмов для имитации процесса наработки опыта человеком с постепенным повышением точности.

С помощью статистических методов алгоритмы обучаются классифицировать данные, строить прогнозы и улучшать процессы сбора и анализа данных. Результаты работы моделей могут влиять на дальнейшее принятие решений, в идеале приводя к оптимальному выбору.

1

2

Машинное обучение делится на:

  • Обучение с учителем

  • Обучание без учителя

  • Обучение с подкреплением

Обучение с учителем

Имеется обучающая пара объектов (примеры, на которых модель запоминает устройство задачи)

Классификация - когда модель пытается построить разделяющую плоскость между классами.

Целевое значение - дискретное.

Примеры задач: классификация изображений (многоклассовая классификация), прдсказание оттока клиентов (бинарная классификация), мошеннические транзакции (бинарная классификация), кредитный скоринг (бинарная классификация).

Регрессия - модель строит линию, которая повторяет закон, которому следуют данные.

Целевое значение - непрерывное.

Примеры задач: предсказание стоимости дома, предсказание выручки, предсказание продаж или спроса на товары.

Обучение без учителя

Нахождение закономерностей внутри данных. Данные самостоятельно пытаются понять свои задачи

Кластеризация - предобрабокта данных и обучение кластеризации на сегментацию данных. В результате получаются кластеры (~ класс). Отвечает на вопросы о том, как разбить исследуемые объекты на группы и чем объекты внутри одной группы похожи.

Примеры задач: взять данные по клиентам и сигменитровть (система рекомендаций), кластеризация продуктов питания.

Понижение размерности - уменьшить количество признаков, по которым рассортированы данные (сжать данные и получить их основную информацию).

Примеры задач: взять данные -> сжать данные -> визуализация -> анализ.

Обучение с подкреплением

Система состоит из агента и среды. Для агента задано конечное число операций (на примере машины – максимальная скорость, торможение, поворот направо или налево и так далее). После совершения действия агент получает либо вознаграждение, если его действие приводит к правильному выполнению задачи, либо наказание, если действие, наоборот, отдаляет его от выполнения задания.

3

4

About

Libraries, metrics, models, small projects


Languages

Language:Jupyter Notebook 99.6%Language:Python 0.4%