Model в Машинном обучении простыми словами

Фото: @stanleydai

Модель – это абстракция, которая может прогнозировать, выполнять действия со входными значениями или преобразовывать их. Она может быть одним числом, таким как Среднее значение (Mean) Датасета (Dataset), которое часто используется в качестве базовой модели, выражением с многочленами или набором правил (например, дерева решений), которые определяют, как получить результат.

В общем, модель определяется набором правил и гиперпараметров, которые определяют ее структуру и возможности. Их необходимо оптимизировать для выполнения поставленной задачи. Гиперпараметром может быть степень полинома или глубина дерева решений.

Разновидности моделей

Список существующих моделей не ограничивается 11, но их используют чаще всего:

1. Бустинг (Boosting)
2. [Машина] градиентного бустинга (GBM)
3. Дерево решений (Decision Tree)
4. Линейная регрессия (Linear Regression)
5. Логистическая регрессия (Logistic Regression)
6. Метод k-ближайших соседей (kNN)
7. Метод k-средних (K-Means)
8. Метод опорных векторов (SVM)
9. Наивный байесовский классификатор (Naive Bayes)
10. Регрессионный сплайн (Regression Spline)
11. Случайный лес (Random Forest)

На диаграмме видно, что модели повторяют свою классификацию за Целевыми переменными (Target Variable).

Понравилась статья? Поддержите нас, поделившись статьей в социальных сетях и подписавшись на канал . И попробуйте наши курсы по Машинному обучению на Udemy .

Фото: @stanleydai