В настоящем блоге представлены материалы, напрямую или косвенно относящиеся к Машинному обучению и Искусственному интеллекту. Некоторые статью имеют ссылку на пример, выполненный на языке Pathon. Многие статьи созданы для использования в качестве справочного материала при работе над методами машинного обучения.
Логистическая регрессия — статистическая модель, используемая для прогнозирования вероятности возникновения некоторого события путём его сравнения с логистической кривой. Эта регрессия выдаёт ответ в виде вероятности бинарного события (1 или 0).
Перекрестная проверка (кросс-валидация) не является способом построения модели, которую можно применить к новым данным. Перекрестная проверка не возвращает модель. При вызове cross_val_score строится несколько внутренних моделей, однако цель перекрестной проверки заключается только в том, чтобы оценить обобщающую способность данного алгоритма, обучив на определенном наборе данных.
Кластеризация k-средних – один из самых простых и наиболее часто используемых алгоритмов кластеризации.
Неконтролируемые преобразования (unsupervised transformations) – это алгоритмы, создающие новое представление данных, которое в отличие от исходного представления человеку или алгоритму машинного обучения будет обработать легче.
Многослойные персептроны могут использоваться для классификации и регрессии. Многослойные персептроны (MLP) также называют простыми (vanilla) нейронными сетями прямого распространения.
Построение дерева решений означает построение последовательности правил «если… то…», которая приводит к ответу максимально коротким путем.