跳到主要内容
停靠面板
Call us : +7(812) 346-48-37
E-mail :
kgsemenova@etu.ru
您正在用访客帐号访问 (
登录
)
简体中文 (zh_cn)
Русский (ru)
English (en)
简体中文 (zh_cn)
Машинное обучение (09.04.01, 2021)
首页
课程
Учебные курсы
09.04.01, 2021 Грант ИИ «Применение искусственного интеллекта в физиологии и медицине» 09.04.01 «Информатика и вычислительная техника»
Машинное обучение (09.04.01, 2021)
Задача классификации
Видеолекции
Видеолекции
标记完成
План решения задачи клссификации
Метод k ближайщих соседней kNN
Методы выбора оптимальных параметров алгоритма. Кросс-валидация
Основные понятия
Неопределенность Джини. Построение дерева с его помощью
Поиск выбросов с помощью дерева (изолирующий лес)
Случайный лес (Random forest)
Принцип классификации. Общая схема построения ЛК
Пример построения линейного классификатора
Нахождение минимума функции с помощью градиентного спуска
Трюк с ядром
Метод опорных векторов (support vector machine, SVM)
Нейронные сети (как композиция линейных классификаторов)
最后修改: 2022年04月8日 星期五 12:33
◄ Конспект лекции
跳至...
跳至...
Объявления
Фонд оценочных средств
Конспект лекции
Видеолекции
Методические рекомендации и план проведения занятия
Методические материалы по практическим работам
Конспект лекции
Видеолекции
Конспект лекции
Видеолекции
Конспект лекции
Конспект лекции
Видеолекции
Конспект лекции
Видеолекции
Конспект лекции ►
Машинное обучение (09.04.01, 2021)
常规
Введение в машинное обучение и основные понятия статистики. Первичная обработка данных
Кластеризация
Линейная регрессия и ее обобщения
Задача классификации
Вероятностные алгоритмы, байесовские классификаторы
Отбор оптимального числа признаков и ансамбли алгоритмов
首页
日程管理