Metody strojového učení

NG1

umime.to/NG1

Stáhnout QR kód

Obecný postup strojového učení zahrnuje volbu výpočetního modelu pro řešení dané úlohy, jehož parametry poté učíme ve fázi trénování modelu. Témata v této kapitole podrobněji představují několik modelů, které se ve strojovém učení často využívají:

lineární modely – určují výstup pomocí lineární funkce
rozhodovací stromy – určují výstup pomocí řady podmínek
neuronové sítě – kombinují velké množství jednoduchých funkcí (tzv. neuronů)
pravděpodobnostní modely – pracují s nejistotou (např. Naivní Bayesův klasifikátor)

Souhrn je skryt.

Rozhodovačka

Rychlé procvičování výběrem ze dvou možností.

Metody strojového učení

Lineární regrese

Rozhodovací stromy

Neuronové sítě

Pravděpodobnost ve strojovém učení

Metody strojového učení: mix

Lineární regrese

Rozhodovačka • střední

Přesouvání

Přesouvání kartiček na správné místo. Jednoduché ovládání, zajímavé a neotřelé úlohy.

Metody strojového učení

Lineární regrese

Lineární regrese

Přesouvání • střední

Krok po kroku

Doplňování jednotlivých kroků v rozsáhlejším postupu.

Metody strojového učení

Pravděpodobnost ve strojovém učení

Pravděpodobnost ve strojovém učení

Krok po kroku • těžké

NAPIŠTE NÁM

Děkujeme za vaši zprávu, byla úspěšně odeslána.

Napište nám

Nevíte si rady?

Nejprve se prosím podívejte na časté dotazy:

Časté dotazy Návody pro učitele

Čeho se zpráva týká?

Vzkaz Obsah Ovládání Přihlášení Licence