@just_data_science October 29, 2017 Прежде чем ознакомиться с более традиционными методами машинного обучения, появившимися до повального увлечения нейронками, нужно немного уйти в математику. Ненадолго, только чтобы уточнить, что все методы обучения решают два типа задач: классификации и регрессии. Какие-то методы машинного обучения способны работать с обоими типами задач, какие-то - только с одним. Регрессия вызывает агрессию? Вызывает, если у вас на экзамене билет про Регрессионный анализ, и вы пытаетесь вспомнить все эти многостраничные математические формулы...

Машинное обучение (Machine Learning, ML) является мощным инструментом, который способен решать разнообразные задачи во многих областях. От распознавания образов до прогнозирования будущих событий, ML применяется повсеместно. В данной статье мы рассмотрим различные типы задач, которые могут быть успешно решены с использованием машинного обучения. 1. Классификация Классификация - это задача, в которой модель машинного обучения присваивает входным данным одну или несколько предопределенных меток классов...

Источник: Nuances of Programming Алгоритмы машинного обучения делятся на контролируемые и неконтролируемые. Алгоритмы контролируемого обучения моделируют отношения между помеченными входными и выходными данными (также известными как целевые данные). Впоследствии такая модель используется для предсказания метки новых наблюдений с помощью новых помеченных входных данных. Если целевая переменная дискретная, алгоритм решает задачи классификации, а если целевая переменная непрерывная  —  алгоритм используется для задач регрессии...