Машинное обучение
Позволить программам выводить правила из данных, а не программировать их вручную
OVERVIEW
- Все статьи
- 6
- Начальный
- 2
- Средний
- 3
- Экспертный
- 1
Machine learning compresses into a single sentence: given a set of samples, find a function that still works on new ones. Around that sentence grow the divide between supervised and unsupervised learning, the tug-of-war between overfitting and regularisation, and the methodology of measuring — honestly — whether it works at all.
Вопросы, на которые отвечает эта область
- Q1
What separates “memorising” from “learning”?
- Q2
Why does a model that aces training fail in production?
- Q3
What can unlabelled data still be used for?
Статьи этой области
- 01Обучение с учителемНачальныйПары «вопрос — ответ» учат модель отвечать самостоятельно
- 02Обучение без учителяНачальныйБез ответов структура должна проступить из самих данных — и само «хорошо» приходится определять заново
- 03Функции потерьСреднийФункция потерь определяет, что именно вы наказываете, — смените её, и сменится само понятие правильного
- 04Переобучение и регуляризацияСреднийМодель заучивает обучающие данные наизусть, а на новых терпит крах
- 05Оценка модели и кросс-валидацияСреднийТочность — самый обманчивый показатель: ошибётесь в оценке, и рухнет всё остальное
- 06Компромисс смещения и дисперсииЭкспертныйКаждая ошибка предсказания распадается на три части: слишком простая модель, слишком нестабильная модель и случайность самого мира