---------121 вопрос--------79706----о Реализации об алгоритмах машинного обучения. Общие вопросы о машинном обучении должны быть отправлены на свои определенные сообщества.

Машинное обучение вращается вокруг разработки самообучающихся компьютерных алгоритмов, которые функционируют на основании обнаружения шаблонов в данных и принятии интеллектуальных решений на основе таких шаблонов.

Машинное обучение является подполем информатики, которая развилась из исследования распознавания образов и вычислительной теории обучения в искусственном интеллекте. Машинное обучение исследует конструкцию и исследование алгоритмов, которые могут извлечь уроки из и сделать прогнозы о данных. Такие алгоритмы работают путем создания модели из исходных данных в качестве примера для создания управляемых данными прогнозов или решений вместо того, чтобы следовать строго статическим инструкциям по программе.

Примечание: Если Вы хотите использовать этот тег для вопроса не непосредственно относительно реализации, затем рассмотреть регистрацию на Информатике, Крест Проверил или Наука о данных вместо этого. Иначе Вы, вероятно, вне темы.

Классические проблемы:

• Классификация (обучение с учителем) классификацияобучение с учителем
• Регрессия (обучение с учителем) регрессия
• Кластеризация (обучения без учителя) кластерный анализобучение без учителя
• Оценка плотности
• Выборка
• Изучение укрепления Изучения укрепления

Соответствующие алгоритмы:

• Анализ главных компонентов (PCA) pca
• Нейронная сеть искусственных нейронных сетей (ANN)
• svm методы опорных векторов методов опорных векторов (SVM)
• Сосед K-nearest (kNN) knn ближайшего соседа
• k-средства k-средств
• Байесовские сети байесовских сетей
• Модель смеси гауссовой модели смеси (GMM)
• Деревья решений decisiontrees
• Генетический алгоритм генетических алгоритмов
• Моделируемый моделированный отожженный отжига
• Скрытые модели Маркова скрытой марковской модели (HMM)
• Условное случайное поле (CRF)
• kalman фильтр Калмана фильтра Калмана
• Фильтр частицы фильтра частицы
• Gibbs выборка
• Графические модели
• Методы ансамбля (укладывание в мешки, повышение...) изучение ансамбля
• Глубокое обучение глубокого обучения
• Q-изучение Q-изучения

Приложения:

• Машинное зрение (например, объектное отслеживание, распознавание жеста) машинное зрение
• Распознавание изображений (например, поверхность, походка, ирисовая диафрагма, почерк) распознавание изображений распознавание лиц ocr
• Распознавание речи распознавания речи
• Распознавание речи распознавания говорящего
• Обработка естественного языка (NLP) nlp
• Музыкальный информационный поиск (MIR)
• Биоинформатика биоинформатики
• Фильтрация спама фильтрации спама
• Обнаружение аномалии обнаружения аномалии
• Автоматическое автоматическое управление
• Системный механизм рекомендации рекомендации
• Машинный перевод машинного перевода

Программное обеспечение:

• LibSVM libsvm
• Weka weka
• Оранжевый оранжевый
• Сегун сегун
• scikit-учиться scikit-учиться
• PyBrain pybrain
• Apache Mahout mahout
• RapidMiner rapidminer
• KNIME knime
• Вафли
• Машинное обучение Azure голубое машинное обучение
• nltk nltk
• Caffe caffe
• TensorFlow tensorflow
• Theano theano
• Keras крис
• OpenNMT opennmt
• XGBoost xgboost
• CatBoostcatboost
• Стэнфордский CoreNLP Стэнфорд-nlp

Связанные теги:

• обучение с учителем
• обучение без учителя
• глубокое обучение
• изучение укрепления
• машинное обучение
• машинное зрение
• информатика
• нейронная сеть
• теория игр
• робототехника
• ай
• автоматизация
• классификация

Видео читает лекции:-

• Машинное обучение с Python