Taula de continguts
39 les relacions: Agregació de bootstrap, Anàlisi discriminant lineal, Aprenentatge de característiques, Aprenentatge per similitud, Aprenentatge relacional estadístic, Camp aleatori condicional, Característica (aprenentatge automàtic), Categorització d'objectes a partir de la cerca d'imatges, Cerca del veí més proper, Classificació binària, Classificació d'una sola classe, Classificació multiclasse, Classificació multietiqueta, Classificador Bayes, Classificador lineal, Classificador quadràtic, Compromís biaix-variància, Dall-e, Escalat de característiques, Funció de pèrdua, Funcions de pèrdua per a la classificació, Màquina vectorial de suport de mínims quadrats, Màquines d'aprenentatge extrem, Mètode del nucli, Model discriminatiu, Model generatiu, Modelatge predictiu, Norma de classificació, Nucli (estadística), Nucli de funció de base radial, Perceptró del nucli, Predicció estructurada, Quantificació vectorial d'aprenentatge, Reducció de dimensionalitat, Regressió logística multinomial, Regressió polinòmica, Sistemes de classificació d'aprenentatge, Supervisió feble, Teoria de l'aprenentatge estadístic.
Agregació de bootstrap
Una il·lustració del concepte d'agregació bootstrap. L'agregació de bootstrap, també anomenada bagging (de b ootstrap agg regat ing), és un metaalgoritme de conjunt d'aprenentatge automàtic dissenyat per millorar l'estabilitat i la precisió dels algorismes d'aprenentatge automàtic utilitzats en la classificació estadística i la regressió.
Veure Classificació estadística і Agregació de bootstrap
Anàlisi discriminant lineal
En aquest cas, els punts sòlids i buits es poden classificar correctament mitjançant qualsevol nombre de classificadors lineals. H1 (blau) els classifica correctament, igual que H2 (vermell). H2 es podria considerar "millor" en el sentit que també està més allunyat dels dos grups.
Veure Classificació estadística і Anàlisi discriminant lineal
Aprenentatge de característiques
955778308. En l'aprenentatge automàtic, l'aprenentatge de característiques o l'aprenentatge de representacions és un conjunt de tècniques que permeten a un sistema descobrir automàticament les representacions necessàries per a la detecció o classificació de característiques a partir de dades en brut.
Veure Classificació estadística і Aprenentatge de característiques
Aprenentatge per similitud
L'aprenentatge de similitud és una àrea d'aprenentatge automàtic supervisat en intel·ligència artificial.
Veure Classificació estadística і Aprenentatge per similitud
Aprenentatge relacional estadístic
L'aprenentatge relacional estadístic (SRL) és una subdisciplina de la intel·ligència artificial i l'aprenentatge automàtic que s'ocupa dels models de domini que presenten tant incertesa (que es pot tractar amb mètodes estadístics) com una estructura relacional complexa.
Veure Classificació estadística і Aprenentatge relacional estadístic
Camp aleatori condicional
Els camps aleatoris condicionals (amb acrònim anglès CRF) són una classe de mètodes de modelatge estadístic que s'apliquen sovint en el reconeixement de patrons i l'aprenentatge automàtic i s'utilitzen per a la predicció estructurada.
Veure Classificació estadística і Camp aleatori condicional
Característica (aprenentatge automàtic)
En l'aprenentatge automàtic i el reconeixement de patrons, una característica és una propietat mesurable individual o característica d'un fenomen.
Veure Classificació estadística і Característica (aprenentatge automàtic)
Categorització d'objectes a partir de la cerca d'imatges
En visió per computador, el problema de la categorització d'objectes a partir de la cerca d'imatges és el problema d'entrenar un classificador per reconèixer categories d'objectes, utilitzant només les imatges recuperades automàticament amb un motor de cerca d'Internet.
Veure Classificació estadística і Categorització d'objectes a partir de la cerca d'imatges
Cerca del veí més proper
Descripció: Representació trivial d'un veïnatgede mida tres en dimensió u. El punt negre és aquell del qual busquem el veïnatge. Cerca l'arbre kd del veí més proper. La cerca del veí més proper (NNS), com a forma de cerca de proximitat, és el problema d'optimització de trobar el punt d'un conjunt determinat que és més proper (o més semblant) a un punt determinat.
Veure Classificació estadística і Cerca del veí més proper
Classificació binària
Exemple gràfic de classificació binària bigrupal. La classificació binària és la tasca de classificar els elements d'un conjunt en dos grups (cadascun anomenat classe) sobre la base d'una regla de classificació.
Veure Classificació estadística і Classificació binària
Classificació d'una sola classe
En l'aprenentatge automàtic, la classificació d'una classe (OCC), també coneguda com a classificació unària o modelatge de classes, intenta identificar objectes d'una classe específica entre tots els objectes, aprenent principalment a partir d'un conjunt d'entrenament que conté només els objectes d'aquesta classe encara que existeixen variants de classificadors d'una classe on s'utilitzen contra-exemples per refinar encara més el límit de classificació.
Veure Classificació estadística і Classificació d'una sola classe
Classificació multiclasse
En l'aprenentatge automàtic i la classificació estadística, la '''classificació''' multiclasse o la classificació multinomial és el problema de classificar les instàncies en una de tres o més classes (la classificació d'instàncies en una de dues classes s'anomena classificació binària).
Veure Classificació estadística і Classificació multiclasse
Classificació multietiqueta
En l'aprenentatge automàtic, la classificació multi-etiqueta o la classificació multi-output és una variant del problema de classificació on es poden assignar diverses etiquetes no exclusives a cada instància.
Veure Classificació estadística і Classificació multietiqueta
Classificador Bayes
Un "Classificador Bayes primari" és una manera senzilla i econòmicament econòmica d'estimar la probabilitat que es pugui atribuir una determinada combinació de característiques a una classe determinada. A mesura que s'introdueixen més mesures al classificador, l'estimació s'actualitza.
Veure Classificació estadística і Classificador Bayes
Classificador lineal
En aquest cas, els punts sòlids i buits es poden classificar correctament mitjançant qualsevol nombre de classificadors lineals. H1 (blau) els classifica correctament, igual que H2 (vermell). H2 es podria considerar "millor" en el sentit que també està més allunyat dels dos grups.
Veure Classificació estadística і Classificador lineal
Classificador quadràtic
Un polinomi quadràtic amb dues arrels reals (encreuaments de l'eix x) i, per tant, sense arrels complexes. Alguns altres polinomis quadràtics tenen el seu mínim per sobre de l'eix x, en aquest cas no hi ha arrels reals i dues arrels complexes. En estadística, un classificador quadràtic és un classificador estadístic que utilitza una superfície de decisió quadràtica per separar les mesures de dues o més classes d'objectes o esdeveniments.
Veure Classificació estadística і Classificador quadràtic
Compromís biaix-variància
Biaix i variància en funció de la complexitat del model En estadístiques i aprenentatge automàtic, la compromís biaix-variància és la propietat d'un model que la variància del paràmetre estimat entre mostres es pot reduir augmentant el biaix en els paràmetres estimats.
Veure Classificació estadística і Compromís biaix-variància
Dall-e
DALL-E (DALL · E estilitzat) és un programa d'intel·ligència artificial desenvolupat per OpenAI el 5 de gener de 2021, que crea imatges a partir de descripcions textuals.
Veure Classificació estadística і Dall-e
Escalat de característiques
L'escalat de característiques és un mètode utilitzat per normalitzar el rang de variables independents o característiques de les dades.
Veure Classificació estadística і Escalat de característiques
Funció de pèrdua
Exemples de funcions de pèrdua. En l'optimització matemàtica i la teoria de la decisió, una funció de pèrdua o funció de cost (de vegades també anomenada funció d'error) és una funció que mapeja un esdeveniment o valors d'una o més variables en un nombre real que representa intuïtivament algun "cost" associat amb l'esdeveniment.
Veure Classificació estadística і Funció de pèrdua
Funcions de pèrdua per a la classificació
(Vermell) estàndard Pèrdua logística (\gamma.
Veure Classificació estadística і Funcions de pèrdua per a la classificació
Màquina vectorial de suport de mínims quadrats
Les dades de l'espiral: y_i.
Veure Classificació estadística і Màquina vectorial de suport de mínims quadrats
Màquines d'aprenentatge extrem
Les màquines d'aprenentatge extrem són xarxes neuronals anticipades per a la classificació, la regressió, l'agrupació, l'aproximació escassa, la compressió i l'aprenentatge de funcions amb una sola capa o diverses capes de nodes ocults, on els paràmetres dels nodes ocults (no només els pesos que connecten les entrades als nodes ocults) necessiten per ser afinat.
Veure Classificació estadística і Màquines d'aprenentatge extrem
Mètode del nucli
^2. Els punts d'entrenament es mapegen a un espai tridimensional on es pot trobar fàcilment un hiperplà de separació. En l'aprenentatge automàtic, les màquines del nucli són una classe d'algorismes per a l'anàlisi de patrons, el membre més conegut dels quals és la màquina de vectors de suport (SVM).
Veure Classificació estadística і Mètode del nucli
Model discriminatiu
Els models discriminatius, també coneguts com a models condicionals, són una classe de models logístics utilitzats per a la classificació o la regressió.
Veure Classificació estadística і Model discriminatiu
Model generatiu
En la classificació estadística, dos enfocaments principals s'anomenen enfocament generatiu i enfocament discriminatiu.
Veure Classificació estadística і Model generatiu
Modelatge predictiu
El modelatge predictiu utilitza estadístiques per predir els resultats.
Veure Classificació estadística і Modelatge predictiu
Norma de classificació
Les meitats esquerra i dreta contenen, respectivament, instàncies que de fet tenen, i no tenen, la condició. L'oval conté instàncies que es classifiquen (previstes) com a positives (que tenen la condició). El verd i el vermell contenen, respectivament, instàncies que estan classificades correctament (cert) i incorrectament (fals).
Veure Classificació estadística і Norma de classificació
Nucli (estadística)
El terme nucli s'utilitza en l'anàlisi estadística per referir-se a una funció de finestra.
Veure Classificació estadística і Nucli (estadística)
Nucli de funció de base radial
En l'aprenentatge automàtic, el nucli de la funció de base radial, o nucli RBF, és una funció real del nucli que s'utilitza en diversos algorismes d'aprenentatge kernelitzats.
Veure Classificació estadística і Nucli de funció de base radial
Perceptró del nucli
En l'aprenentatge automàtic, el perceptró del nucli és una variant del popular algorisme d'aprenentatge del perceptró que pot aprendre màquines del nucli, és a dir, classificadors no lineals que utilitzen una funció del nucli per calcular la similitud de mostres no vistes amb mostres d'entrenament.
Veure Classificació estadística і Perceptró del nucli
Predicció estructurada
La predicció estructurada o l'aprenentatge estructurat (de sortida) és un terme paraigua per a tècniques d'aprenentatge automàtic supervisat que implica predir objectes estructurats, en lloc de valors escalars discrets o reals.
Veure Classificació estadística і Predicció estructurada
Quantificació vectorial d'aprenentatge
En informàtica, la quantificació vectorial d'aprenentatge (amb acrònim anglès LVQ) és un algorisme de classificació supervisada basat en prototips.
Veure Classificació estadística і Quantificació vectorial d'aprenentatge
Reducció de dimensionalitat
La reducció de dimensionalitat, o reducció de dimensió, és la transformació de dades d'un espai d'alta dimensió a un espai de baixa dimensió de manera que la representació de baixa dimensió conserva algunes propietats significatives de les dades originals, idealment properes a la seva dimensió intrínseca.
Veure Classificació estadística і Reducció de dimensionalitat
Regressió logística multinomial
En estadística, la regressió logística multinomial és un mètode de classificació que generalitza la regressió logística a problemes multiclasse, és a dir, amb més de dos possibles resultats discrets.
Veure Classificació estadística і Regressió logística multinomial
Regressió polinòmica
En estadística, la regressió polinòmica és una forma d'anàlisi de regressió en la qual la relació entre la variable independent x i la variable dependent y es modela com un polinomi de grau n en x. La regressió polinòmica s'ajusta a una relació no lineal entre el valor de x i la mitjana condicional corresponent de y, denotada E(y|x).
Veure Classificació estadística і Regressió polinòmica
Sistemes de classificació d'aprenentatge
issn.
Veure Classificació estadística і Sistemes de classificació d'aprenentatge
Supervisió feble
Tendència d'una tasca a utilitzar mètodes supervisats i no supervisats. Els noms de les tasques a cavall entre els límits dels cercles són intencionats. Mostra que la divisió clàssica de tasques imaginatives (esquerra) que utilitzen mètodes no supervisats està difuminada en els esquemes d'aprenentatge actuals.
Veure Classificació estadística і Supervisió feble
Teoria de l'aprenentatge estadístic
La teoria de l'aprenentatge estadístic és un marc per a l'aprenentatge automàtic que es basa en els camps de l'estadística i l'anàlisi funcional.
Veure Classificació estadística і Teoria de l'aprenentatge estadístic