Поиск
Закладки
Озвучивание недоступно Озвучить книгу
Изменить режим чтения
Изменить размер шрифта
Оглавление
Для озвучивания и цитирования книги перейдите в режим постраничного просмотра.
Анализ больших наборов данных

ГЛАВА 12. Машинное обучение на больших данных

Предыдущая страница

Следующая страница

ГЛАВА 12. Машинное обучение на больших данных
На предыдущую главу Предыдущая глава
оглавление
Следующая глава На следующую главу

Table of contents

ГЛАВА 12. Машинное обучение на больших данных-
12.1. Модель машинного обучения
12.1.1. Обучающие наборы
12.1.2. Пояснительные примеры
12.1.3. Подходы к машинному обучению
12.1.4. Архитектура машинного обучения
12.1.5. Упражнения к разделу 12.1
12.2. Перцептроны
12.2.1. Обучение перцептрона с нулевым порогом
12.2.2. Сходимость перцептронов
12.2.3. Алгоритм Winnow
12.2.4. Переменный порог
12.2.5. Многоклассовые перцептроны
12.2.6. Преобразование обучающего набора
12.2.7. Проблемы, связанные с перцептронами
12.2.8. Параллельная реализация перцептронов
12.2.9. Упражнения к разделу 12.2
12.3. Метод опорных векторов
12.3.1. Механизм метода опорных векторов
12.3.2. Нормировка гиперплоскости
12.3.3. Нахождение оптимальных приближенных разделителей
12.3.4. Нахождение решений в методе опорных векторов с помощью градиентного спуска
12.3.5. Стохастический градиентный спуск
12.3.6. Параллельная реализация метода опорных векторов
12.3.7. Упражнения к разделу 12.3
12.4. Обучение по ближайшим соседям
12.4.1. Инфраструктура для вычисления ближайших соседей
12.4.2. Обучение по одному ближайшему соседу
12.4.3. Обучение одномерных функций
12.4.4. Ядерная регрессия
12.4.5. Данные в многомерном евклидовом пространстве
12.4.6. Неевклидовы метрики
12.4.7. Упражнения к разделу 12.4
12.5. Сравнение методов обучения
12.6. Резюме
12.7. Список литературы
Данный блок поддерживает скрол*