Шаблон:Машинне навчання

Машинне навчання та добування даних
Задачі
класифікація кластеризація регресія виявлення аномалій асоціативні правила навчання з підкріпленням структурне передбачення проектування ознак навчання ознак інтерактивне навчання напівавтоматичне навчання спонтанне навчання навчання ранжуванню виведення граматик
Кероване навчання (класифікація • регресія)
ансамблі (бутстрепова агрегація, випадковий ліс, підсилювання) дерева рішень k-НС лінійна регресія логістична регресія метод доречних векторів метод опорних векторів наївне баєсове нейронні мережі перцептрон
Кластеризація
BIRCH ієрархічна k-середніх очікування-максимізація DBSCAN OPTICS зсув середнього
Зниження розмірності
факторний аналіз метод незалежних компонент канонічна кореляція лінійний розділювальний аналіз метод головних компонент розклад невід'ємних матриць t-розподілене вкладення стохастичної близькості
Структурне передбачення
графічні моделі (баєсова мережа, прихована марковська модель, умовне випадкове поле)
Виявлення аномалій
k-НС коефіцієнт локального відхилення
Нейронні мережі
автокодувальник багатошаровий перцептрон глибинне навчання згорткова нейронна мережа обмежена машина Больцмана рекурентна нейронна мережа самоорганізаційна карта
Теорія
дилема зсуву та дисперсії ймовірно майже правильне навчання мінімізація емпіричного ризику оккамове навчання статистичне навчання теорія Вапніка — Червоненкіса теорія обчислювального навчання
Конференції та журнали
NIPS ICML JMLR KDD ICDM SDM

Документація шаблону