Некоторые методы машинного обучения:

• Байесовский классификатор. 1 В основе метода — определение класса объекта по его признакам. 1 Используется для рубрикаторов, распознавания объектов на изображениях, определения спамных писем. 1
• Деревья принятия решений. 1 В этом методе модель выявляет взаимосвязь одних событий и объектов с другими и последствия их взаимодействия. 1
• Ассамблейные методы. 1 Набор методов, где происходит генерация различных классификаторов и разделение данных по принципу усреднения или голосования. 1 Такой подход уменьшает вероятность ошибок. 1
• Кластеризация к-средних. 1 Один из методов кластеризации в машинном обучении. 1 В работе алгоритма используется некоторое рандомное число кластеров K. 1 Для каждого свой центр (точка), от которой считается расстояние до каждой точки данных в группах. 1
• Состязательно-генеративное обучение. 1 Метод основан на работе нейросетей, которые как бы вступают в борьбу друг с другом. 1 Внутри алгоритмы дискриминатора и генератора. 1 Первый пытается классифицировать входящие данные и соотносит их с категориями. 1 Второй, наоборот, стремится выбрать образы, которые подходят к категориям. 1 То есть генератор создаёт объекты, а дискриминатор их проверяет на подлинность. 1
• Обучение с подкреплением. 24 При обучении с подкреплением машине позволяют взаимодействовать с окружением и «вознаграждают», когда она правильно выполняет задание. 2 Автоматизировав подсчёт вознаграждений, можно дать возможность машине обучаться самостоятельно. 2
• Глубинное обучение. 2 При глубинном обучении используются нейронные сети для всё более подробного уточнения характеристик набора данных. 2