Публикации по теме 'unsupervised-learning'
Раскрытие возможностей нейронных сетей: понимание их важности в современных технологиях
Искусственный интеллект и машинное обучение быстро меняют то, как мы живем и работаем, и нейронные сети находятся в авангарде этой революции. Но что такое нейронные сети и почему они так важны в современных технологиях? В этом блоге мы рассмотрим основы нейронных сетей и поймем, что делает их такими мощными.
Введение в нейронные сети
Нейронная сеть — это тип искусственного интеллекта, вдохновленный структурой и функциями человеческого мозга. Он состоит из взаимосвязанных узлов или..
Что такое машинное обучение??
Итак, что такое машинное обучение? Большинство людей представляют себе робота, выполняющего ту же работу, что и люди, так что же такое машинное обучение?
Давайте пройдемся по некоторым определениям, а затем я остановлюсь подробнее.
Машинное обучение — это область исследования, которая дает компьютерам возможность учиться без явного программирования.
- Артур Сэмюэл, 1959 г.
Таким образом, в основном это обучение компьютера/машины таким образом, чтобы он обучался сам по себе. Но..
Понимание OPTICS и реализация с Python
ОБУЧЕНИЕ БЕЗ КОНТРОЛЯ
Понимание OPTICS и реализация с Python
В этом посте я кратко расскажу о том, как понять метод обучения без учителя, OPTICS и его реализацию в Python.
OPTICS означает Точки упорядочения для определения структуры кластеризации . Это на основе плотности алгоритм обучения без учителя, разработанный той же исследовательской группой, что и DBSCAN . Как обсуждалось в моем последнем посте , у DBSCAN есть главный недостаток, заключающийся в том, что он изо всех..
Искусство учить машины учиться
Искусство учить машины учиться
В последние годы вы, возможно, слышали о том, как машинное обучение используется для открытия новых лекарств, работы поисковых систем и показа шоу, которое мы должны смотреть. Но что скрывается за всеми этими удивительными приложениями машинного обучения и как машины могут так хорошо с ними справляться?
Машинное обучение - это область обучения компьютеров, чтобы они научились принимать решения, не будучи явно запрограммированными на их выполнение...
Маскированные автоэнкодеры — масштабируемые обучающиеся видения
Аннотированные данные — это важнейший элемент глубокого обучения. Тем не менее, аннотированные данные редко используются в некоторых приложениях (например, в медицине и робототехнике). Чтобы уменьшить количество аннотаций, самоконтролируемое обучение направлено на предварительное обучение глубоких сетей на неаннотированных данных для изучения полезных представлений. Различные подходы к обучению с самоконтролем предлагают разные цели для обучения глубокой сети с неаннотированными..
7 показателей оценки алгоритмов кластеризации
Подробное объяснение с примерами Python метрик оценки неконтролируемого обучения
В контролируемом обучении метки известны, и оценку можно выполнить, вычислив степень правильности путем сравнения прогнозируемых значений с метками. Однако в неконтролируемом обучении метки неизвестны, что затрудняет оценку степени правильности, поскольку отсутствует истина .
При этом по-прежнему непротиворечиво, что хороший алгоритм кластеризации имеет кластеры с малой дисперсией внутри кластера..
Вероятностное определение количества компонентов для обучения без учителя
Экскурс в байесовскую непараметрику для моделирования точек изменения
Проблема «n» компонентов
Для неконтролируемых алгоритмов кластеризации, будь то алгоритм пространственной кластеризации (например, K-средних или смешанная модель Гаусса) или алгоритм временной кластеризации (например, скрытая марковская модель или другая модель точки изменения), обычно должно быть определено количество компонентов априори . Для многих наборов данных это легко определить (левая панель внизу). Для..