Название: Глоссариум по искусственному интеллекту: 2500 терминов
Автор: Александр Юрьевич Чесалов
Издательство: Издательские решения
Жанр: Компьютеры: прочее
isbn: 9785005686770
isbn:
Классификация (Classification). В задачах классификации используется алгоритм для точного распределения тестовых данных по определенным категориям, например, при отделении яблок от апельсинов. Или, в реальном мире, алгоритмы обучения с учителем можно использовать для классификации спама в отдельной папке из вашего почтового ящика. Линейные классификаторы, машины опорных векторов, деревья решений и случайный лес – все это распространенные типы алгоритмов классификации416.
Кластеризация (Clustering) – это метод интеллектуального анализа данных для группировки неразмеченных данных на основе их сходства или различия. Например, алгоритмы кластеризации K-средних распределяют сходные точки данных по группам, где значение K представляет размер группировки и степень детализации. Этот метод полезен для сегментации рынка, сжатия изображений и т.д.417.
Кластеризация временных данных (Temporal data clustering) – это разделение неразмеченного набора временных данных на группы или кластеры, где все последовательности, сгруппированные в одном кластере, должны быть согласованными или однородными. Хотя для кластеризации различных типов временных данных были разработаны различные алгоритмы, все они пытаются модифицировать существующие алгоритмы кластеризации для обработки временной информации418.
Кластеризация на основе центроида (Centroid-based clustering) – это категория алгоритмов кластеризации, которые организуют данные в неиерархические кластеры. Алгоритм k средних (k-means) – это наиболее широко используемый алгоритм кластеризации на основе центроидов, один из алгоритмов машинного обучения, решающий задачу кластеризации419.
Кластерный анализ (Cluster analysis) – это тип обучения без учителя, используемый для исследовательского анализа данных для поиска скрытых закономерностей или группировки в данных; кластеры моделируются с мерой сходства, определяемой такими метриками, как евклидово или вероятностное расстояние.
Ключевые точки (Keypoints) – это координаты определенных объектов на изображении. Например, для модели распознавания изображений в задачах компьютерного зрения, такие как оценка позы человека, обнаружение лиц и распознавание эмоций, обычно работают с ключевыми точками на изображении420
Конец ознакомительного фрагмента.
Текст предоставлен ООО «Литрес».
Прочитайте эту книгу целиком, купив полную легальную версию на Литрес.
Безопасно оплатить книгу можно банковской картой Visa, MasterCard, Maestro, со счета мобильного телефона, с платежного терминала, в салоне МТС или Связной, через PayPal, WebMoney, Яндекс.Деньги, QIWI Кошелек, бонусными картами или другим удобным Вам способом.
СКАЧАТЬ
415
NP [Электронный ресурс] https://wiki2.org URL: https://wiki2.org/en/NP_(complexity) (дата обращения: 03.03.2022)
416
Classification [Электронный ресурс] https://www.ibm.com URL: https://www.ibm.com/cloud/blog/supervised-vs-unsupervised-learning (дата обращения: 03.05.2023)
417
Clustering [Электронный ресурс] https://medium.com URL: https://medium.com/@venkatesh.t.16072001/difference-between-supervised-and-unsupervised-learning-algorithm-8bda6352489f (дата обращения: 03.05.2023)
418
Temporal data clustering [Электронный ресурс] www.sciencedirect.com URL: https://www.sciencedirect.com/topics/computer-science/temporal-data (дата обращения: 07.07.2022)
419
Centroid-based clustering [Электронный ресурс] https://developers.google.com URL: https://developers.google.com/machine-learning/glossary#centroid-based-clustering (дата обращения: 03.05.2023)
420
Keypoints [Электронный ресурс] https://albumentations.ai URL: https://albumentations.ai/docs/getting_started/keypoints_augmentation/ (дата обращения: 07.07.2022)