Video: Steg 6. Maskininlärning, artificiell Intelligens & indikatorer. 2024
Del av maskinlärande för dummies Cheat Sheet < Maskininlärning innebär användning av många olika algoritmer. Denna tabell ger dig en snabb sammanfattning av styrkor och svagheter hos olika algoritmer.
Algoritm
| Bäst på | Fördelar | Nackdelar | Slumpmässig skog |
| Apt vid nästan alla maskininlärningsproblem | Bioinformatik
Kan arbeta parallellt |
Sällan överfyller > Behandlar saknade värden automatiskt
Inget behov av att ändra någon variabel Det går inte att ändra parametrar Kan användas av nästan alla med utmärkta resultat Svårt att tolka Svagare vid regression vid uppskattning av värden vid extremiteterna i fördelningen av responsvärden |
Förskjutna i flerklassproblem mot frekventare klasser
Gradient Boosting Apt vid nästan alla maskininlärningsproblem |
| Sökmotorer (lösa problemet med att lära sig att rangordna) > Det kan approximera mest olinjära funktionen | Bäst i klasspredikern
Hanterar saknade värden automatiskt |
Inget behov av att ändra någon variabel
Det kan överföras om det körs för många iterationer Känslig för bullriga data och outliers Fungerar inte bra utan parameterinställning |
Linjär regression
Baseline predic Ekonometriska förutsägelser |
| Modellering av marknadsresponser | Enkelt att förstå och förklara
Det går sällan över Med L1 och L2-regularisering är det effektivt att välja funktion |
Snabbt träning
Lätt att Träna på stora data tack vare sin stokastiska version Du måste arbeta hårt för att passa den i icke-linjära funktioner. Kan drabbas av utelämnare. Supportvektorer |
Teckenigenkänning
Bildigenkänning |
| Text klassificering | Automatisk olinjär funktion skapande
Kan approximera komplexa olinjära funktioner Svårt att tolka vid tillämpning av icke-linjära kärnor |
Lider av alltför många exempel. Efter 10 000 exempel börjar det ta för lång tid att träna
K-närmaste grannar |
Datorsyn
Multilabel-taggning |
| Recommender-system | Stavningskontrollproblem
Snabb och lat träning Kan naturligtvis hantera extrema multiclassproblem (t.ex. taggtext) Slow och besvärlig i den förutsägande fasen |
Kan misslyckas med att förutsäga corr
Adaboost |
Ansiktsigenkänning
Hanterar saknade värden automatiskt |
| Det går inte att omforma någon variabel | Det går inte lätt att överföra | Få parametrar att tweak > Naive Bayes
Ansiktsigenkänning Sentimentanalys Spam-detektering Kännetecknande för spridningsdetektering |
Text klassificering
Enkelt och snabbt att implementera, kräver inte för mycket minne och kan användas för online-lärande |
| Lätt att förstå | Med hänsyn till förkunskaper
Starka och orealistiska kännetecken för självständighetsförutsättningar > Bildigenkänning Språkigenkänning och översättning Taligenkänning |
Visionsigenkänning
Kan approximera någon olinjär funktion Robust till outliers |
Fungerar endast med en del av exemplen (supportvektorn s)
Mycket svårt att ställa in Svårt att ställa på grund av för många parametrar och du måste också bestämma nätverkets arkitektur |
| Svårt att tolka | Lätt att övergå
Logistisk regression < Beställa resultat med sannolikhet Modellering av marknadsreaktioner Enkelt att förstå och förklara |
Det övergår sällan
Med L1 och L2-regularisering är effektiv i funktionen val Den bästa algoritmen för att förutsäga sannolikheten för en händelse |
Snabbt träning
Lätt att träna på stora data tack vare sin stokastiska version Du måste arbeta hårt för att passa in i olinjära funktioner. Kan drabbas av outliers |
| SVD | Recommender system
Kan omstrukturera data på ett meningsfullt sätt |
Svårt att förstå varför data har omstrukturerats på ett visst sätt
PCA Ta bort collinearity Minska datadimensionens minskning Antyder starka linjära antaganden (komponenter är en viktad summering av funktioner) K-means |
Segmentering
Snabbt att hitta kluster |
| Kan upptäcka avvikande enheter i flera dimensioner | Förluster från multikollinearitet | Kluster är sfäriska, kan inte detektera grupper av annan form | Instabil lösningar, beror på initialisering |
Redaktörens val
Fastighetsprofessionens grunder för fastighetslicensexamen - dummiesFastighetsexamen kommer att förvänta dig att du har ett grundläggande grepp på fastighetsbranschen. Du tror att det bara är uppenbart att veta vad de viktigaste spelarna gör i en fastighetsaffär, men på grund av den terminologi de delar, blir skillnaderna mellan spelarna lite muddlade. Här är snabba beskrivningar ...
Kostnadsmetoden för fastighetslicensexamen - dummiesEn metod för att uppskatta Värdet på fastigheter kallas kostnaden. Du måste känna till formeln för fastighetslicensexamen. Kostnadsmetoden baseras på tanken att komponenterna i en fastighet eller marken och byggnaderna kan läggas till för att komma fram till ... 
Studie för fastighetslicensexamen - dummiesNär var sista gången du tog en multipelvalsexamen ? Eller, för den delen, någon examen? Det är troligt att det var länge sedan. Kanske överväger du huruvida du ska bli en fastighetsmäklare, men du är lite avskräckt av tanken på att du måste göra ett test. Vad du kan ... Redaktörens val
Följer ett basketspel på tv - dummiesDu kommer bli mycket mer ute av att titta på ett basketspel på TV - eller till och med leva - om du gör mer än att se bollen gå in i rammen. Kolla in dessa insider tips för att fånga den verkliga åtgärden och öka din njutning av sporten. Förutse nästa pass Försök att tänka som ... 
Top 5 Fantasy Basketball League Sites - DummiesAtt hitta och gå med på en fantasy basketplats kan ibland vara skrämmande uppgift eftersom så många alternativ är tillgängliga och de flesta webbplatser ser lika ut. Bara för att webbplatser ser ut som det betyder inte nödvändigtvis att de mäter i värde. Vissa webbplatser erbjuder gratis ligor, andra betalade - och vissa webbplatser tillhandahåller bara standard liga ... 
Tryck på motståndarna i Basket - DummiesPressen är kort för tryck. Ofta kallad en fullrättspress, det här är ett anfallande försvar som används på backen, där målet är att tvinga en omsättning. Vanligtvis används efter en gjord korg, svänger pressgruppen över motståndarna i backcourt; Om motståndarna lyckas få bollen förbi halvvägs (kallad brytning ... Redaktörens val
Hur R beräknar oändliga, odefinierade och saknade värden - dummiesLyckligtvis kan R hantera dataanomalier som förvirrar några andra statistiska plattformar. I vissa fall har du inte reella värden att beräkna med. I de flesta verkliga dataset saknas faktiskt åtminstone några värden. Dessutom har vissa beräkningar oändlighet som ett resultat (som att dividera med noll) eller kan inte ... 
Hur man lägger till linjer i en plot i R-dummiesI R, lägger du till rader i en plott på ett mycket liknande sätt att lägga till poäng, förutom att du använder funktionen linjer () för att uppnå detta. Men använd först lite R magi för att skapa en trendlinje genom data, kallad en regressionsmodell. Du använder lm () -funktionen för att uppskatta en linjär ... 
Hur man lägger till en andra dimension i R-dummiesFörutom vektorer kan R representera matriser som ett objekt du arbetar och beräknar med. Faktum är att R verkligen lyser när det gäller matrisberäkningar och -operationer. Vektorer är nära relaterade till en större klass av objekt, arrays. Arrayer har två mycket viktiga egenskaper: De innehåller bara en enda typ av värde. De har ... |
