Машинное обучение
жүктеу/скачать 2.97 Mb.
|
- Бұл бет үшін навигация:
- Задача уменьшений размерности
- Задача выявления аномалий
- Спасибо за внимание!!!!
Задача кластеризацииЗадача разбиения заданной выборки объектов (ситуаций) на непересекающиеся подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались. Задача уменьшений размерностиЭто один из основных алгоритмов машинного обучения. Позволяет уменьшить размерность данных, потеряв наименьшее количество информации. Применяется во многих областях, таких как распознавание объектов, компьютерное зрение, сжатие данных и т. п. Вычисление главных компонент сводится к вычислению собственных векторов и собственных значений ковариационной матрицы исходных данных или к сингулярному разложению матрицы данных. Задача выявления аномалийВ анализе данных есть два направления, которые занимаются поиском аномалий: детектирование выбросов и «новизны». Как и выброс «новый объект» — это объект, который отличается по своим свойствам от объектов (обучающей) выборки. Но в отличие от выброса, его в самой выборке пока нет (он появится через некоторое время, и задача как раз и заключается в том, чтобы обнаружить его при появлении). Например, если вы анализируете замеры температуры и отбрасываете аномально большие или маленькие, то Вы боретесь с выбросами. А если Вы создаёте алгоритм, который для каждого нового замера оценивает, насколько он похож на прошлые, и выбрасывает аномальные — Вы «боретесь с новизной». Спасибо за внимание!!!!жүктеу/скачать 2.97 Mb. Достарыңызбен бөлісу:
|