論文の概要: Classic machine learning methods
- arxiv url: http://arxiv.org/abs/2310.11470v1
- Date: Wed, 24 May 2023 13:38:38 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 02:10:13.940205
- Title: Classic machine learning methods
- Title(参考訳): 古典的な機械学習手法
- Authors: Johann Faouzi and Olivier Colliot
- Abstract要約: 章の大部分は、分類と回帰のための教師付き学習技術に費やされている。
また、過度に適合する問題とそれを克服する戦略についても述べます。
- 参考スコア(独自算出の注目度): 5.085743099113423
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this chapter, we present the main classic machine learning methods. A
large part of the chapter is devoted to supervised learning techniques for
classification and regression, including nearest-neighbor methods, linear and
logistic regressions, support vector machines and tree-based algorithms. We
also describe the problem of overfitting as well as strategies to overcome it.
We finally provide a brief overview of unsupervised learning methods, namely
for clustering and dimensionality reduction.
- Abstract(参考訳): 本章では,古典的機械学習の主な手法を紹介する。
章の大部分は、最寄りの方法、線形およびロジスティック回帰、サポートベクターマシンとツリーベースアルゴリズムを含む、分類と回帰に関する教師あり学習技術に費やされている。
また、過度に適合する問題とそれを克服する戦略についても述べます。
最後に,教師なし学習法の概要,すなわちクラスタリングと次元の削減について述べる。
関連論文リスト
- Semi-Supervised Machine Learning: a Homological Approach [0.0]
半教師付き機械学習の新しいアプローチの数学的基礎について述べる。
記号計算とコンピュータ代数を用いて、永続的ホモロジーの概念を適用し、新しい半教師付き学習法を得る。
論文 参考訳(メタデータ) (2023-01-27T11:16:45Z) - A Survey on Deep Semi-supervised Learning [51.26862262550445]
まず,既存の手法を分類した深層半指導学習の分類法を提案する。
次に、損失の種類、貢献度、アーキテクチャの違いの観点から、これらのメソッドを詳細に比較します。
論文 参考訳(メタデータ) (2021-02-28T16:22:58Z) - Evolving Reinforcement Learning Algorithms [186.62294652057062]
メタラーニング強化学習アルゴリズムの手法を提案する。
学習アルゴリズムはドメインに依存しないため、トレーニング中に見えない新しい環境に一般化することができる。
従来の制御タスク、gridworld型タスク、atariゲームよりも優れた一般化性能を得る2つの学習アルゴリズムに注目した。
論文 参考訳(メタデータ) (2021-01-08T18:55:07Z) - Functorial Manifold Learning [1.14219428942199]
まず、擬似距離空間を最適化対象にマッピングする関手として多様体学習アルゴリズムを特徴付ける。
次に、この特徴付けを用いて、多様体学習損失関数の洗練された境界を証明し、多様体学習アルゴリズムの階層を構築する。
我々は,この階層の異なるレベルにおける函手として,計量多次元スケーリング,IsoMap,UMAPなど,いくつかの一般的な多様体学習アルゴリズムを表現している。
論文 参考訳(メタデータ) (2020-11-15T02:30:23Z) - Neural Networks as Functional Classifiers [0.0]
我々は、分類問題のために、注目すべき深層学習手法を機能データ領域に拡張する。
本手法の有効性を,分光データの分類などの多くの分類応用において強調する。
論文 参考訳(メタデータ) (2020-10-09T00:11:01Z) - A Survey on Large-scale Machine Learning [67.6997613600942]
機械学習はデータに対する深い洞察を与え、マシンが高品質な予測を行うことを可能にする。
ほとんどの高度な機械学習アプローチは、大規模なデータを扱う場合の膨大な時間コストに悩まされる。
大規模機械学習は、ビッグデータからパターンを、同等のパフォーマンスで効率的に学習することを目的としている。
論文 参考訳(メタデータ) (2020-08-10T06:07:52Z) - Reinforcement Learning as Iterative and Amortised Inference [62.997667081978825]
我々は、この制御を推論フレームワークとして使用し、償却および反復推論に基づく新しい分類スキームを概説する。
この観点から、比較的探索されていないアルゴリズム設計空間の一部を特定できることを示す。
論文 参考訳(メタデータ) (2020-06-13T16:10:03Z) - Deep Learning Techniques for Inverse Problems in Imaging [102.30524824234264]
機械学習における最近の研究は、ディープニューラルネットワークが様々な逆問題の解決に利用できることを示している。
異なる問題や再構築方法の分類に使用できる分類法を提案する。
論文 参考訳(メタデータ) (2020-05-12T18:35:55Z) - There and Back Again: Revisiting Backpropagation Saliency Methods [87.40330595283969]
正当性法は,各入力サンプルの重要度マップを作成することによって,モデルの予測を説明する。
このような手法の一般的なクラスは、信号のバックプロパゲートと結果の勾配の分析に基づいている。
本稿では,そのような手法を統一可能な単一のフレームワークを提案する。
論文 参考訳(メタデータ) (2020-04-06T17:58:08Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。