Публикации по теме 'unsupervised-learning'


Кластеризация в неконтролируемом обучении
В неконтролируемом обучении кластеризация — это процесс разделения набора точек данных на группы (называемые кластерами) на основе их сходства. Целью кластеризации является обнаружение закономерностей или взаимосвязей в наборе данных, которые могут быть не очевидны сразу. Существует множество различных алгоритмов кластеризации, каждый из которых имеет свои преимущества и недостатки. Некоторые популярные алгоритмы кластеризации включают: кластеризация k-средних, иерархическая..
Использование обучения без учителя для обнаружения аномалий
Это сообщение в блоге призвано предоставить краткий обзор методов обнаружения аномалий и обсудить некоторые шаги по реализации неконтролируемого обучения с использованием автоэнкодеров. В последние годы обнаружение аномалий приобрело большое значение и стало одной из развивающихся областей как в академических кругах, так и в промышленности. Методы обнаружения аномалий обычно используются в Требования безопасности, такие как обнаружение мошенничества Мониторинг состояния здоровья..
Машинное обучение: вводное руководство для начинающих
Современная аналитика и инструменты Аналитика — это набор методов и инструментов, используемых для создания ценности из данных. Методы включают в себя такие понятия, как Искусственный интеллект (ИИ), Машинное обучение (МО), Алгоритмы глубокого обучения (DL). Машинное обучение Машинное обучение — это отрасль искусственного интеллекта (ИИ) и информатики, которая фокусируется на использовании данных и алгоритмов для имитации того, как люди учатся, постепенно повышая его..
Максимальная предельная релевантность для повторного ранжирования приводит к неконтролируемому извлечению ключевой фразы
Максимальная маржинальная релевантность, также известная как MMR, была представлена ​​в статье Использование MMR, переориентации на основе разнообразия для переупорядочивания документов и подготовки резюме . MMR пытается уменьшить избыточность результатов, в то же время поддерживая релевантность результатов для уже ранжированных документов / фраз и т. Д. Сначала мы попытаемся понять сценарий на примере и увидим, как MMR помогает в решении проблемы. Недавно я пытался извлечь..
Изучите обучение с учителем и обучение без учителя, как кусок пирога
Ваш бизнес может генерировать горы данных. Но беретесь ли вы за грань видений, которые она откроет? Вы можете использовать машинное обучение, ветвь искусственного интеллекта, для анализа ваших данных и прогнозирования будущих результатов или выявления скрытых закономерностей. Сегодня я расскажу о двух подходах, называемых контролируемым и неконтролируемым машинным обучением. Существенная разница между ними заключается в том, как помечаются обучающие данные. В обучении с учителем..
Машинное обучение: краткое введение
Машинное обучение — это область исследования, которая дает компьютеру возможность учиться без явного программирования (Артур Самуэль, 1959). В нашей повседневной жизни мы очень часто сталкиваемся с машинным обучением. Алгоритмы машинного обучения существуют уже давно, но недавний рост быстрых компьютерных вычислений и доступных хранилищ превратил их в реальность. Несколько примеров, как показано ниже Онлайн-рекомендация от Netflix и Amazon на основе нашей истории с этими..
Полное руководство по искусственному интеллекту и машинному обучению для начинающих: простое введение
Введение Искусственный интеллект (ИИ) и машинное обучение (ML) — две самые обсуждаемые технологии сегодня. Но что они означают? И как они работают? Если вам интересны эти сложные концепции, вы попали по адресу. В этой статье вы познакомитесь с искусственным интеллектом и машинным обучением для начинающих, объяснив их основные принципы и реальные применения. Понимание искусственного интеллекта и машинного обучения ИИ — это когда машины могут делать то, что обычно требует..