Модели машинного обучения можно разделить на следующие три типа в зависимости от выполняемой задачи и характера выходных данных:
- Регрессия: прогнозируемая выходная переменная представляет собой непрерывную переменную, например, балл учащегося по предмету.
- Классификация. Прогнозируемая выходная переменная — это категориальная переменная, например классификация входящих электронных писем как спама или нежелательной почты.
- Кластеризация: сформированным группам/кластерам не присваивается предопределенное понятие ярлыка, например сегментация клиентов.
Таким образом, вы можете разделить модели машинного обучения на две широкие категории:
- 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