Ответ на данный вопрос интересен, так как позволяет понять, какие именно данные используются для обучения алгоритмов без учителя и как ...
Наиболее популярными алгоритмами обучения без учителя являются: 1. Кластеризация (например, k-средних, DBSCAN, иерархическая кластеризация) 2. Понижение размерности (например, метод главных компонент, t-SNE) 3. Ассоциативные правила (например, алгоритм Apriori) 4. Алгоритмы кластерного анализа (напрПодробнее
Наиболее популярными алгоритмами обучения без учителя являются:
1. Кластеризация (например, k-средних, DBSCAN, иерархическая кластеризация)
2. Понижение размерности (например, метод главных компонент, t-SNE)
3. Ассоциативные правила (например, алгоритм Apriori)
4. Алгоритмы кластерного анализа (например, EM-алгоритм)
5. Алгоритмы анализа выбросов (например, LOF, Isolation Forest)
6. Алгоритмы обучения без учителя на основе графов (например, алгоритмы PageRank и Label Propagation)
7. Алгоритмы анализа аномалий (например, One-Class SVM, Local Outlier Factor)
8. Алгоритмы кластеризации смешанных данных (например, алгоритмы Fuzzy C-Means и Gaussian Mixture Models)
9. Алгоритмы обучения без учителя на основе искусственных нейронных сетей (например, автоэнкодеры, GAN)
10. Алгоритмы обучения без учителя для обнаружения аномалий во временных рядах (например, алгоритмы ARIMA и LSTM).
Для обучения алгоритмов без учителя используются только неразмеченные данные, то есть данные, для которых не предоставлены целевые значения. Это могут быть различные числовые и категориальные признаки, текстовые данные, изображения, звуковые сигналы и т.д. В отличие от алгоритмов с учителем, где треПодробнее
Для обучения алгоритмов без учителя используются только неразмеченные данные, то есть данные, для которых не предоставлены целевые значения. Это могут быть различные числовые и категориальные признаки, текстовые данные, изображения, звуковые сигналы и т.д. В отличие от алгоритмов с учителем, где требуется наличие целевых переменных для оценки качества модели, алгоритмы без учителя используются для поиска скрытых закономерностей и структур в данных.
Видеть меньше