Раздел: Машинное обучение

Задача машинного обучения, в которой модель относит объект ровно к одному из трёх или более взаимоисключающих классов. Расширение бинарной классификации на произвольное…

Статистический метод и алгоритм машинного обучения для бинарной классификации, который предсказывает вероятность принадлежности объекта к одному из двух классов с помощью логистической…

Функция, применяемая к взвешенной сумме входов нейрона для введения нелинейности в нейронную сеть. Без неё сеть любой глубины эквивалентна одному линейному преобразованию.

Метрика оценки качества регрессионных моделей, вычисляемая как среднее квадратов разностей между предсказанными и фактическими значениями.

Метод обучения, при котором компактная модель-ученик перенимает поведение крупной модели-учителя, сохраняя точность при меньших вычислительных затратах.

Метод в машинном обучении, который добавляет штраф за сложность модели к функции потерь, чтобы предотвратить переобучение и улучшить обобщающую способность.

Метод регуляризации в машинном обучении, который заменяет жёсткие one-hot метки на «мягкие» вероятностные распределения, снижая переобучение и повышая калибровку модели.

Метрика из теории информации, измеряющая различие между двумя распределениями вероятностей. В машинном обучении используется как функция потерь для задач классификации.

Метрика, которая численно оценивает, насколько предсказания модели отличаются от истинных значений. Обучение модели сводится к минимизации этой метрики.

Алгоритм обучения нейронных сетей, при котором ошибка вычисляется на выходе и последовательно передаётся назад по слоям для корректировки весов.