人工知能入門ノートの概要
0 報告
人工知能入門ノートの概要
関連する推奨事項
著者の他の作品
概要/内容
もっと見る
機械学習
意味
機械学習とは
スパム分類
タスク T: 電子メールをスパムではなくスパムとして識別する
パフォーマンス P: 電子メールをスパムかどうかを正しく識別します。
トレーニング経験E ：あなたがフラグを立てるメールがスパムであるか、スパムではないかを観察します
手書き認識学習問題
タスク T: 画像内の手書きテキストを認識して分類する
パフォーマンス P: 分類精度
トレーニング経験 E: 分類がわかっている手書きテキスト データベース
機械学習の分類
教師あり学習
K近似アルゴリズム
デシジョンツリー
線形回帰
サポートベクターマシン
教師なし学習
クラスタリング
オートエンコーダ
弱教師学習
半教師あり学習
転移学習
ソースドメインとターゲットドメイン
中核的な目標
ソースドメインからターゲットドメインに知識を移転する
実施方法
サンプルの移行
機能の転送
モデルの移行
強化学習
ターゲット
戦略
探検する
使用
学習成果による分類
戻る
分類
クラスタリング
次元削減
重要な概念
例とサンプル
データセット
特性と特徴
属性空間
固有ベクトル
学習とトレーニング
トレーニングデータ
トレーニングサンプル
トレーニングセット
仮説
真実
一般化する
一般的なプロセス
データを収集する
データ量
データ品質
データの配布
データ準備（前処理）
データに関する考えられる問題
データが欠落している
ノイズ
一貫性のない
冗長、不均衡
繰り返す
正規化
特徴エンジニアリング
データセットのパーティショニング
トレーニングセット: トレーニングモデル
テストセット: 最終モデルを評価する
検証セット: モデルのチューニングと選択に使用されます
データクリーニング
消去
手動充填
自動入力
外れ値
型変換
数値型
継続的な
離散
非数値型
カテゴリがあります
非カテゴリ
モデルを構築するアルゴリズムを選択する
モデルを選択してください
トレーニングモデル
評価モデル
パフォーマンス指標
精度
ROC
損失関数
群知能アルゴリズム
意味
群れのインテリジェンス
群知能アルゴリズム
遺伝的アルゴリズム
基本的な遺伝演算子
演算子の選択
クロスオーバー演算子
突然変異演算子
5つの基本要素
パラメータのエンコーディング
バイナリエンコーディング
一次元染色体暗号化法
アドバンテージ
欠点がある
実際のエンコーディング
グループの初期設定
初期集団の生成
個体群規模の決定
フィットネス機能の設計
欺瞞問題
早期収束
停滞現象
遺伝子操作の設計
制御パラメータの設定
クロス
ちょっとしたクロスオーバー
二点交点
交叉確率
突然変異
コンセプト
個々のコード内の一部のビットをランダムに変更する
主な目的
基本的な内容
突然変異の確率
突然変異法
サイトバリエーション
復帰突然変異
挿入変異
検索技術
検索戦略
ブラインドサーチ: 情報ガイダンスなし
ヒューリスティック検索
ブラインドサーチ
深さ優先探索
基本的な考え方
幅優先検索
基本的な考え方
類似点、相違点、長所と短所を比較する
ヒューリスティック検索
アルゴリズム
A* アルゴリズム
ゲーム検索
a-b 枝刈りアルゴリズム
モンテカルロツリー
選ぶ
拡大する
シミュレーション
戻る
信頼できるオンライン意思決定方法
要因 1
要因2
Collect
Collect
Collect
Collect
0 コメント
次のページ