Модели машинного обучения можно разделить на следующие три типа в зависимости от выполняемой задачи и характера выходных данных:

  1. Регрессия: прогнозируемая выходная переменная представляет собой непрерывную переменную, например, балл учащегося по предмету.
  2. Классификация. Прогнозируемая выходная переменная — это категориальная переменная, например классификация входящих электронных писем как спама или нежелательной почты.
  3. Кластеризация: сформированным группам/кластерам не присваивается предопределенное понятие ярлыка, например сегментация клиентов.

Таким образом, вы можете разделить модели машинного обучения на две широкие категории:

  1. Контролируемые методы обучения

1. Для построения модели используются прошлые данные с метками.

2. Алгоритмы регрессии и классификации подпадают под эту категорию.

2. Методы обучения без учителя

1. Прошлым данным не назначаются предопределенные метки.

Алгоритмы 2.Clustering подпадают под эту категорию.

Машинное обучение в Индонезии (ML ID) Машинное обучение в Индонезии (ML ID) Бобби Машинное обучение за 100 дней Машинное обучение в Индонезии (идентификатор ML)

Дайджест машинного обучения Наука о данных на благо общества