(1)アルゴリズムに関連
1.教師付き学習:線形回帰、ロジスティック回帰、ニューラルネットワーク、SVM。
線形回帰(以下、第三の線X 0 (I)実際には、1でなくてもよいです)
ロジスティック回帰
ニューラルネットワーク(フレームを逆に、書き込みに伝播する前に自動的に計算されます)
SVM
2.教師なし学習:クラスタリング(K-平均)、次元削減(PCA)
K-平均
PCA
前記異常検出
4.推奨システム
(2)戦略
1.偏差、分散、正則
ヒト偏差(underfitting)の最高レベルは、訓練誤差を減算され、クロスバリデーションセット誤差訓練誤差分散(オーバーフィッティング)減少;
正則化分散はない、θに、問題を解決0正則。
2.学習曲線
観測バイアスと分散の全体のプロセスは、それはより包括的です。
3.エラー分析
エラーを発見する理由は、どのような時間を過ごすための最大の、最高の場所を起こしました。
4.評価方法
決意を有する単一の評価指標ではなく、適切なクラススキュー確度、精度と再現率を利用します
視野角の精度は(試料正陽性試料のどのくらいの予測)予測され、サンプルは斜視リコール(予測される正のサンプルの数)であります
F1 = 2(金)/(F + RI)
データセットの分割
モデル/パラメータ調整のクロスバリデーションセットについてスクリーニングするための学習モデルのため,,訓練セット、最終的な評価のために使用されるテストセット。
6.上限
すべてのステップは、出力が正しいと仮定し、数の精度を向上させ、最高の場所はすぐに解決時間を過ごすのに最適な場所で向上させることができます。
(3)アプリケーション
1.OCR
識別するために検出、セグメンテーション、および今しばしば分割されていない、直接配列同定。
2.大規模な機械学習
小さなトレーニング方法の量と並列計算の使用。