221 подписчик
Помимо нейронных сетей существует множество алгоритмов машинного обучения.
Посмотрите на картинку. Для каждого алгоритма машинного обучения представлена зависимость интерпретируемости модели от ее точности и гибкости.
Точность и гибкость означает, насколько точно модель решает задачу и, при этом, сохраняет это свойство при изменении параметров модели.
Интерпретируемость - свойство, которое позволяет быстро и однозначно распознать конечный результат работы модели. Проще говоря, понять насколько качественно решена задача без дополнительных преобразований выходных данных модели.
Исходя из диаграммы на картинке, ясно, что сверточные и рекуррентные нейронные сети легче всего адаптировать под изменяющиеся условия. Модели, использующие в основе данные алгоритмы, решают задачу с высокой точностью. При этом могут возникнуть проблемы с быстрой интерпретацией результата работы такой модели.
Результат работы метода K-ближайших соседей или метода наименьших квадратов прост и понятен, но менее точен. Модели, использующие данные алгоритмы, могут решать узкий круг задач в определенных условиях.
P.S. SVM (Support Vector Machine), SVM Kernel на схеме обозначают метод опорных векторов и его модификацию
1 минута
3 августа 2023