Методи машинного навчання
Загальний підхід машинного навчання включає вибір обчислювальної моделі для розв’язування заданого завдання, параметри якої ми потім коректуємо під час фази навчання моделі. У темах цього розділу більш детально описано кілька моделей, які часто використовуються в машинному навчанні:
- лінійні моделі – визначають результат за допомогою лінійної функції
- дерева рішень – визначають результат за допомогою серії умов
- нейронні мережі – поєднують велику кількість простих функцій (так звані нейрони)
- ймовірнісні моделі – робота з невизначеністю (наприклад, з Наївним баєсовим класифікатором)
Вибір
Швидке практикування шляхом вибору з двох варіантів.
Лінійна регресія (легке)
Зазвичай займає: 5 min

Лінійна регресія (середнє)
Зазвичай займає: 5 min

Лінійна регресія (важке)
Зазвичай займає: 5 min

Дерева рішень (середнє)
Зазвичай займає: 5 min

Дерева рішень (важке)
Зазвичай займає: 5 min

Імовірність у машинному навчанні (середнє)
Зазвичай займає: 5 min

Імовірність у машинному навчанні (важке)
Зазвичай займає: 5 min

Методи машинного навчання: мікс (середнє)
Зазвичай займає: 5 min

Методи машинного навчання: мікс (важке)
Зазвичай займає: 5 min
