Сегодня ответим на некоторые вопросы с DS собеседований. |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2023-04-21 13:39 Что такое деревья решений? Дерево решений - это алгоритм обучения с учителем, который использует метод ветвления для иллюстрации всех возможных результатов решения, его можно использовать как для моделей классификации, так и для регрессионных моделей. Таким образом, в этом случае зависимое значение может быть как числовым, так и категориальным значением. В чем разница между переобучением и недостаточным подбором? При переобучении статистическая модель описывает случайную ошибку или шум вместо лежащей в основе взаимосвязи. Переобучение происходит, когда модель слишком сложна, например, если у нее слишком много параметров по сравнению с количеством наблюдений. Модель, которая была переобучена, имеет плохую прогнозирующую способность, поскольку она слишком остро реагирует на незначительные колебания обучающих данных. Недостаточный подбор происходит, когда модель не может уловить основной тренд данных. Недостаточная подгонка может возникнуть, например, при подгонке линейной модели к нелинейным данным. Такая модель также будет иметь плохие прогнозирующие характеристики. Что такое обучение с подкреплением? Обучение с подкреплением очень схоже по смыслу с обучением с учителем, но в роли учителя выступает среда, в которой система может выполнять какие-либо действия. Обучение с подкреплением активно используется в задачах, где нужно выбрать лучший вариант среди многих или достичь сложной цели за множество ходов. Машина пытается решить задачу, ошибается, учится на своих ошибках, совершенствуется, и так множество раз. Источник: vk.com Комментарии: |
|