Video: Cos'è il Machine Learning (Reti Neurali e A.I.) 2025
Parte di Machine Learning For Dummies Cheat Sheet < L'apprendimento automatico implica l'uso di molti algoritmi diversi. Questa tabella fornisce un rapido riepilogo dei punti di forza e di debolezza dei vari algoritmi.
Algoritmo
| Migliore a | Pro | Contro | Foresta casuale |
| Adatto a quasi tutti i problemi di apprendimento automatico | Bioinformatica
Può funzionare in parallelo |
Sovraccarico raramente > Gestisce automaticamente i valori mancanti
Non è necessario trasformare alcuna variabile Non è necessario modificare i parametri Può essere utilizzato da quasi chiunque con risultati eccellenti Difficile da interpretare Debole sulla regressione nella stima dei valori a le estremità della distribuzione dei valori di risposta |
Biased nei problemi multiclasse verso classi più frequenti
Boosting Apt in quasi tutti i problemi di apprendimento macchina |
| Motori di ricerca (risolvendo il problema dell'apprendimento in classifica) > Può approssimare la maggior parte delle funzioni non lineari | Il miglior predittore della classe
Gestisce automaticamente i valori mancanti |
Non è necessario trasformare alcuna variabile
Può essere sovradimensionato se eseguito per troppe iterazioni Dati sensibili e rumorosi e valori anomali Non funziona bene senza sintonizzazione dei parametri |
Regressione lineare
Previsione di base Previsioni econometriche |
| Modellazione delle risposte di marketing | Semplice da capire e spiegare
Raramente si adatta L'uso della regolarizzazione L1 e L2 è efficace nella selezione delle funzioni |
Veloce da addestrare
Facile da allenarsi su big data grazie alla sua versione stocastica Devi lavorare duro per adattarlo a funzioni non lineari Può soffrire di valori anomali Supporto macchine vettoriali |
Riconoscimento caratteri
Riconoscimento immagini |
| Testo classificazione | Creazione automatica di feature non lineari
Può approssimare complesse funzioni non lineari Difficile da interpretare quando si applicano kernel non lineari |
Soffre di troppi esempi, dopo 10.000 esempi inizia a richiedere troppo tempo per formare
K-nearest Neighbours |
Computer vision
Tagging multilivello |
| Sistemi Recommender | Problemi di controllo ortografico
Allenamento veloce e pigro Può gestire naturalmente problemi multiclasse estremi (come taggare il testo) Lento ed ingombrante nella fase di previsione |
Può non riuscire a prevedere il corr ectly a causa della maledizione della dimensionalità
Adaboost |
Rilevazione visi
Gestisce automaticamente i valori mancanti |
| Non è necessario trasformare alcuna variabile | Non si adatta facilmente | Pochi parametri da modificare > Può sfruttare molti diversi utenti deboli
Dati sensibili e anomali Mai le migliori previsioni della classe Naive Bayes Riconoscimento viso |
Analisi sentiment
Rilevazione spam |
| Classificazione del testo | Facile e veloce da implementare, non richiede troppa memoria e può essere utilizzato per l'apprendimento online
Facile da capire Tiene conto delle conoscenze precedenti Presupposti per l'indipendenza delle caratteristiche forti e non realistiche > Errore nella stima di occorrenze rare |
soffre di caratteristiche irrilevanti
Reti neurali Riconoscimento immagini |
Riconoscimento e traduzione
Riconoscimento vocale Riconoscimento visione |
| Può approssimare qualsiasi funzione non lineare | Robusto da outlier
Funziona solo con una parte degli esempi (il vettore di supporto s) Molto difficile da configurare Difficile da regolare a causa di troppi parametri e devi anche decidere l'architettura della rete |
Difficile da interpretare
Facile da sovraffaticare Regressione logistica < Ordinare i risultati per probabilità |
Modellare le risposte marketing
Semplice da capire e spiegare Raramente si adatta L'uso della regolarizzazione L1 e L2 è efficace nella selezione delle funzionalità |
| Il miglior algoritmo per predire le probabilità di un evento | Veloce da addestrare
Facile da addestrare su big data grazie alla sua versione stocastica |
Devi lavorare duro per adattarlo a funzioni non lineari
Può soffrire di outlier SVD Recommender sistemi Ristrutturazione dei dati in modo significativo Difficile capire perché i dati sono stati ristrutturati in un certo modo |
PCA
Rimozione della collinearità |
| Riduzione delle dimensioni del set di dati | Riduzione della dimensionalità dei dati | Implica forti assunzioni lineari (i componenti sono una somma ponderata delle caratteristiche) K-significa | Segmentazione |
| Veloce nella ricerca di cluster | Può rilevare valori anomali in più dimensioni
Soffre di multicollinearità |
I cluster sono sferici, non è possibile rilevare gruppi di altra forma | Instabile soluzioni, dipende dall'inizializzazione |
Scelta dell'editore
Tasti di scelta rapida per Microsoft Office 2007 - dummiesMicrosoft Office 2007 è pieno di scorciatoie da tastiera per risparmiare tempo. Comprimi i componenti di Office 2007 - Word, Excel, Outlook, PowerPoint e Access - utilizzando i tasti di scelta rapida utili della seguente tabella. Con poco sforzo, puoi aprire file, trovare contenuti, modificare quel contenuto e altro! Funzione Ctrl Copia Ctrl + C Taglia Ctrl + X Trova Ctrl + F Vai ... 
Vantaggi di Lync Online - dummiesLync Online è disponibile sia in ambito professionale sia in piccole imprese (P) e aziendali (E ) piani in Office 365. Le funzionalità includono messaggistica istantanea (IM), chiamate audio e video, presenza, riunioni online, presentazioni online e la possibilità di connettersi con i contatti di Windows Live Messenger e altri utenti esterni che eseguono Lync. La tecnologia è integrata in tutto ... 
Come avviare una conversazione con Lync Online - dummiesLa scheda di contatto di Lync Online è un ottimo modo per avviare una conversazione con un collega o i membri del tuo team. Oltre alle note personali, alla presenza e alla posizione, vengono visualizzate anche le informazioni sulla tua organizzazione come il titolo e i numeri di telefono. Per visualizzare la scheda di contatto, passa con il mouse sopra l'immagine di una persona e fai clic sul gallone ... Scelta dell'editore
Come scegliere un'immagine di sfondo Twitter per Visual Social Marketing - dummiesQuando si imposta su un account Twitter per il social marketing visivo, un tipo di immagine che è richiesto per il tuo profilo è l'immagine di sfondo - viene visualizzata dietro il profilo Twitter. Nella parte superiore della schermata Impostazioni disegno, Twitter ti consente di scegliere tra una serie di temi premade. Un tema premade applica un ... 
Come scegliere un buon nome utente Twitter - dummySu Twitter, il tuo nome utente, o handle, è il tuo identità. Se puoi, iscriviti a Twitter usando il tuo nome o una variante di esso come nome utente (supponendo che qualcun altro non lo stia già utilizzando). Ad esempio, se il tuo nome è John Ira, potresti scegliere un nome utente Twitter come @johnira o ... 
Come personalizzare il tuo profilo Twitter - dummiesLa tua pagina pubblica su Twitter, noto anche come profilo, è la prima impressione che gli altri utenti di Twitter hanno di te, e può fare una grande differenza nel decidere se seguirti. Personalizzare la tua pagina del profilo Twitter in modo che rifletta te o la tua azienda fa la differenza quando si tratta di persone ... Scelta dell'editore
Perché avresti bisogno di più profili utente per Dragon Professional Individuale - manichiniDrago Individuo professionale capisce solo quelli che si sono presentati ufficialmente come utenti e hanno creato un profilo utente. Ecco quattro motivi per cui potresti voler creare più di un profilo utente: usi diversi vocabolari o stili di scrittura per compiti diversi. Si utilizzano diversi microfoni per compiti diversi. Volete ... 
Lavorare con fogli di calcolo Usare NaturallySpeaking - dummiesUtilizzando fogli di calcolo con versioni precedenti di NaturallySpeaking era difficile perché non si poteva indirizzare direttamente i nomi delle celle. Volevi dire qualcosa come "Cella A5" o "Seleziona Colonna C." Ma (sospiro), niente dado. Il tuo assistente non aveva idea di cosa stavi parlando. Bene, il tuo assistente ha "up-leveled" le sue abilità! Ora è possibile ... 
Su Evernote's Passcode Lock - dummiesAbbonati premium e business che utilizzano determinati dispositivi ora possono bloccare l'app Evernote con un blocco Passcode . Ogni volta che torni all'app, ti viene chiesto di inserire il tuo codice. Un blocco passcode è un'ottima opzione se condividi il tuo telefono o tablet con altre persone e vuoi impedire loro di accedere a ... |
