Введение в алгоритмы DM

Введение в бизнес-анализ

Введение в алгоритмы DM
Машинное обучение
Машинное обучение (Machine Learning) - обширный подраздел искусственного интеллекта, изучающий методы построения моделей, способных обучаться, и алгоритмов для их построения и обучения;
находится на стыке математической статистики, методов оптимизации и дискретной математики, но имеет также и собственную специфику, связанную с проблемами вычислительной эффективности и переобучения;
методы индуктивного обучения разрабатывались как альтернатива классическим статистическим подходам;
методы тесно связаны с извлечением информации (Information Extraction), интеллектуальным анализом данных (Data Mining).

Введение в алгоритмы DM
Машинное обучение. Основные понятия
Обучаемая модель - обширный подраздел искусственного интеллекта, изучающий методы построения моделей, способных обучаться, и алгоритмов для их построения и обучения;
Обучающая выборка - обширный подраздел искусственного интеллекта, изучающий методы построения моделей, способных обучаться, и алгоритмов для их построения и обучения;
Обучение - обширный подраздел искусственного интеллекта, изучающий методы построения моделей, способных обучаться, и алгоритмов для их построения и обучения;
Алгоритм обучение - обширный подраздел искусственного интеллекта, изучающий методы построения моделей, способных обучаться, и алгоритмов для их построения и обучения;

Введение в алгоритмы DM
Цель машинного обучения — предсказать результат по входным данным. Чем разнообразнее входные данные, тем проще машине найти закономерности и тем точнее результат
Три составляющие , необходимые для обучения:
ДАННЫЕ
ПРИЗНАКИ
АЛГОРИТМ

Введение в алгоритмы DM
Нейросети — один из видов машинного обучения. Популярный, но есть и другие, не хуже.
Глубокое обучение — архитектура нейросетей, один из подходов к их построению и обучению. На практике сегодня мало кто отличает, где глубокие нейросети, а где не очень. Говорят название конкретной сети и всё.
Искусственный интеллект — название всей области, как биология или химия.
Машинное обучение — это раздел искусственного интеллекта. Важный, но не единственный.

Введение в алгоритмы DM

Введение в алгоритмы DM

Введение в алгоритмы DM
В машинном обучении есть всего четыре основных направления

Введение в алгоритмы DM

Введение в алгоритмы DM
С учителем машина обучится быстрее и точнее, потому в боевых задачах его используют намного чаще.
Задачи делятся на два типа:
классификация — предсказание категории объекта;
регрессия — предсказание места на числовой прямой.
Сегодня используют для:
Спам-фильтры
Определение языка
Поиск похожих документов
Анализ тональности
Распознавание рукописных букв и цифр
Определение подозрительных транзакций
Популярные алгоритмы: Наивный Байес, Деревья Решений, Логистическая Регрессия, K-ближайших соседей, Машины Опорных Векторов

Введение в алгоритмы DM
!!! Классификация вещей — самая популярная задача во всём машинном обучении

Введение в алгоритмы DM
!!! Классификация вещей — самая популярная задача во всём машинном обучении

Введение в алгоритмы DM
!!! Классификация вещей — самая популярная задача во всём машинном обучении
Самым популярным методом классической классификации заслуженно является Метод Опорных Векторов.
Классифицировали: виды растений, лица на фотографиях, документы по тематикам и пр.
Ищем, как так провести две прямые между категориями, чтобы между ними образовался наибольший зазор

Введение в алгоритмы DM
Регрессия — та же классификация, только вместо категории предсказываем число. На регрессию идеально ложатся любые задачи, где есть зависимость от времени.
Сегодня используют для:
Прогноз стоимости ценных бумаг
Анализ спроса, объема продаж
Медицинские диагнозы
Любые зависимости числа от времени
Популярные алгоритмы: Линейная или Полиномиальная Регрессия

Введение в алгоритмы DM
Регрессия — та же классификация, только вместо категории предсказываем число. На регрессию идеально ложатся любые задачи, где есть зависимость от времени.
Сегодня используют для:
Прогноз стоимости ценных бумаг
Анализ спроса, объема продаж
Медицинские диагнозы
Любые зависимости числа от времени
Популярные алгоритмы: Линейная или Полиномиальная Регрессия

Введение в алгоритмы DM
Обучение без учителя было изобретено позже и на практике используется реже