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
Soluzioni software per i tuoi bisogni fotografici digitali - manichiniIl software fotografico che usi è fondamentale per il tuo successo la camera oscura digitale come l'hardware. La buona notizia è che se le tue esigenze sono basilari - vuoi solo visualizzare e organizzare le tue foto e magari ritagliare un'immagine o due - potresti non dover pagare una monetina per ... 
Prendi Great Nature Photographs - dummiesQuando fotografi un posto bellissimo, il tuo obiettivo dovrebbe essere per qualcuno di dire "I vorrei essere lì. "In una fotografia di grande natura, il tuo obiettivo non è quello di inviare l'immagine a qualcuno e dire:" Ero qui. "Quando visiti un bellissimo paesaggio o vedi un fiore colorato o un animale che vuoi ... 
Scattare una foto di un soggetto in movimento con la tua fotocamera digitale - dummiesProbabilmente vorresti scatta foto sulla tua fotocamera digitale di persone o cose che si muovono. Quando scatti foto di soggetti in movimento, utilizza questi trucchi per fermare un oggetto in movimento nelle sue tracce: Scelta dell'editore
Personalizza le fatture di QuickBooks 2014 con lo Strumento di progettazione layout - dummyForse hai utilizzato QuickBooks 2014 di base Finestra di dialogo Personalizzazione per apportare alcune modifiche all'aspetto della fattura e non sono stati soddisfatti. Forse hai fatto il miglio in più e ti sei gingillato con la finestra di dialogo Personalizzazione aggiuntiva per apportare ulteriori modifiche, e forse anche questo non ti ha lasciato felice con l'aspetto della tua fattura. ... 
Debito Rapporto di equità in QuickBooks 2012 - dummiesIl rapporto di indebitamento è uno dei rapporti di leva che è possibile utilizzare in QuickBooks 2012. Un indice di equity debt confronta il debito a lungo termine di un'impresa con il patrimonio netto di un azionista o il patrimonio netto del proprietario. In sostanza, il rapporto tra indebitamento e debito esprime il debito a lungo termine dell'impresa come percentuale del capitale proprio del proprietario. L'equity azionario è sinonimo di proprietario ... 
Debito Rapporto di equità in QuickBooks 2014 - manichiniPuoi tenere traccia del tuo rapporto di indebitamento in QuickBooks. Un rapporto di indebitamento di debito confronta il debito a lungo termine di un'impresa con il patrimonio netto di un azionista o il patrimonio netto del proprietario. In sostanza, il rapporto tra indebitamento e debito esprime il debito a lungo termine dell'impresa come percentuale del capitale proprio del proprietario. L'equity azionario è sinonimo di equità del proprietario e, nel caso di ... Scelta dell'editore
Come gestire i consigli di LinkedIn che hai ricevuto - dummiesOgni volta che ricevi una raccomandazione da qualcun altro, vedi un messaggio nella tua casella di posta in arrivo su LinkedIn. Dovrai gestirli per tenere d'occhio ciò che appare sul tuo profilo in un dato momento. Quando ricevi una raccomandazione, hai queste opzioni: Accetta e mostralo sul tuo profilo. Fai clic su ... 
Come unire un gruppo LinkedIn - dummiesQuando guardi i gruppi di LinkedIn là fuori, uno dei le cose più importanti da tenere a mente è che dovresti unirti solo a quei gruppi che sono rilevanti per te. Anche se potresti pensare che sia divertente entrare in un altro gruppo di associazioni di alunni oltre alla tua alma mater, non ti sarà di grande aiuto nel ...
Come commercializzare il tuo business tramite LinkedIn - dummiesLinkedIn può giocare un ruolo significativo nell'efficace marketing di i tuoi affari. Il valore di LinkedIn come strumento di marketing ottiene un sacco di interesse dai dipartimenti finanziari della maggior parte delle aziende, soprattutto perché vedono LinkedIn come un modo libero di commercializzare il business. Anche se non devi pagare nulla in termini di denaro per prendere ... Scelta dell'editore |
