개인 재정 기계 학습을위한 올바른 알고리즘 선택

기계 학습을위한 올바른 알고리즘 선택

비디오: [성균관대학교] "자율주행을 위한 머신러닝 (이지형 교수)" 맛보기 강의 2024

비디오: [성균관대학교] "자율주행을 위한 머신러닝 (이지형 교수)" 맛보기 강의 2024
Anonim

기계 학습 부분 인형 치트 시트 < 기계 학습은 여러 가지 알고리즘을 사용합니다. 이 표는 다양한 알고리즘의 강점과 약점을 간단하게 요약합니다.

알고리즘 장점 장점 임의의 숲

거의 모든 기계 학습 문제에서 적합 생물 정보학 병렬로 작업 가능 드물게
> 누락 된 값을 자동으로 처리합니다. 변수를 변환 할 필요가 없습니다.

매개 변수를 조정할 필요가 없습니다.

우수한 결과를 가진 거의 모든 사람이 사용할 수 있습니다.

해석하기 어려움

값을 추정 할 때 회귀가 약합니다. 응답 값 분포의 극단

더 빈번한 클래스로의 다 중 클래스 문제에 편향

그라데이션 부스팅

거의 모든 기계 학습 문제에 적합

검색 엔진 (순위를 매기는 문제 해결) > 대부분의 비선형 함수를 근사 할 수 있습니다.

클래스 예측기에서 가장 우수한 결과를 얻을 수 있습니다.

누락 된 값을 자동으로 처리합니다.

변수를 변환 할 필요가 없습니다. 너무 많은 반복을 실행하면 초과 적합 할 수 있습니다.

이상치

파라미터 튜닝 없이는 제대로 작동하지 않습니다

선형 회귀 분석

기본 예측 계량 경제학 예측

마케팅 응답 모델링

이해하기 쉽고 설명하기

거의 적합하지 않음

L1 및 L2 정규화를 사용하여 기능 선택에 효과적

빠른 학습 확률론적인 버전 덕분에 큰 데이터를 훈련하십시오.

비선형 함수에 맞도록 열심히 노력해야합니다.

이상 치를 겪을 수 있습니다.

지원 벡터 기계

문자 인식

이미지 인식

텍스트

복잡한 비선형 함수를 근사 할 수있다.

비선형 커널을 적용 할 때 해석하기가 어렵다.

너무 많은 예제를 겪고, 10 000 예제 후에는 훈련하기에는 너무 오래 걸리기 시작한다.

K-nearest Neighbors 컴퓨터 비전

Multilabel tagging

추천 시스템

맞춤법 검사 문제

빠르고 게으른 교육

텍스트에 태그 붙이기와 같은 극단적 인 멀티 클래스 문제를 자연스럽게 처리 할 수 ​​있음

예측 단계에서 성가시다.

corr 예측 실패 얼굴 검출 누락 된 값을 자동으로 처리합니다.

변수를 변환 할 필요가 없습니다.

쉽게 맞추지 않습니다.

조정할 매개 변수가 거의 없습니다. > 많은 다른 약자를 활용할 수 있습니다.

잡음이있는 데이터 및 특이 치에 민감합니다.

클래스 예측에서 최고는 아닙니다.

Naive Bayes

얼굴 인식 감정 분석 스팸 탐지

텍스트 분류

쉽고 빠르게 구현할 수 있으며 메모리를 많이 차지하지 않아 온라인 학습에 사용할 수 있습니다.

이해하기 쉽습니다

사전 지식을 고려합니다

강력하고 비현실적인 기능 독립 가정 > 희소 발생을 예측하지 못함

관련없는 기능을 사용하지 못함

신경망 이미지 인식

언어 인식 및 번역

음성 인식

시각 인식

비선형 함수를 근사 할 수 있음

outliers에 강함

일부 예제 만 사용 가능합니다 (지원 벡터 설정하기가 매우 어렵다

너무 많은 매개 변수로 인해 조정하기가 어려우며 네트워크 아키텍처를 결정해야한다.

해석하기가 어렵다

쉽다

로지스틱 회귀 < 마케팅 응답 모델링 이해하기 쉽고 설명하기

거의 적합하지 않음

L1 및 L2 정규화를 사용하여 기능 선택에 효과적

이벤트

기차로 빠르게

확률 적 버전 덕분에 빅 데이터를 쉽게 훈련

비선형 함수에 맞게 만들기 위해 열심히 노력해야 함

이상 치를 겪을 수 있음

SVD

추천인 시스템

의미있는 방식으로 데이터를 재구성 할 수 있습니다.

데이터가 특정 방식으로 재구성 된 이유를 이해하기 어렵습니다. PCA

공선 성 제거

데이터 세트의 크기 축소

강력한 선형 가정을 함축합니다 (구성 요소는 기능의 가중치 합계 임) <99 클러스터를 찾는데 빠름

다차원의 특이점을 검출 할 수 있음

다중 공선 성을 앓고 있음

클러스터가 구형이며 다른 모양의 그룹을 감지 할 수 없음

불안정 솔루션, 초기화에 의존

기계 학습을위한 올바른 알고리즘 선택

편집자의 선택

자동으로 단어 채우기 Word 2003 자동 텍스트 - 더미

자동으로 단어 채우기 Word 2003 자동 텍스트 - 더미

로 자동 채우기 Word 2003의 상용구 기능은 자동으로 단어 쓰기를 완료합니다. 철자하기 시작 했어. 당신이 영웅으로 크리스토퍼를 특징으로하는 다음 Great American Novel을 쓰고 있다고합시다. Christopher 철자를 반복해서 쓰는 대신 이름의 몇 글자 만 입력하면 팝업 상자가 나타납니다. 그것은 말한다 : 크리스토퍼 : (삽입하려면 Enter 키를 누릅니다). ...

의 기본 사항 인 > Word 2013의 파일 메뉴 - 더미

의 기본 사항 인 > Word 2013의 파일 메뉴 - 더미

의 기본 사항은 파일 탭을 클릭하면 파일 메뉴가 열립니다. Backstage보기라고합니다. Backstage보기는 작업중인 데이터 파일과 관련된 명령 (예 : 저장, 열기, 인쇄, 우편 발송 및 속성 확인)에 대한 액세스를 제공합니다. Backstage보기를 종료하려면 다른 탭을 클릭하거나 ...

Word 2007에서 SmartArt의 빠른 스타일 변경 - 더미

Word 2007에서 SmartArt의 빠른 스타일 변경 - 더미

당신은 여러모로 그 모양을 조정할 수 있습니다. 가장 쉬운 방법은 다이어그램에 적용된 빠른 스타일을 변경하는 것입니다. 빠른 스타일은 단순히 색상 및 모양 효과와 같은 서식 요소 모음을 구성하는 요소 중 일부에 할당됩니다.

편집자의 선택

실습 초등 교육 시험 - 실습 - 실습

실습 초등 교육 시험 - 실습 - 실습

Praxis 초등 교육 시험에는 commutative, associative, distributive 및 substitution의 4 가지 주요 속성을 이해해야합니다. 교환 가능 속성 및 결합 속성에는 더하기 및 곱하기 버전이 있습니다. 세 개 이상의 숫자가 추가되면 추가되는 순서는 중요하지 않습니다. 그 합계 ...

초등 교육 시험 문장 구조 - 더미

초등 교육 시험 문장 구조 - 더미

초등학교 교사는 문장의 다른 부분뿐만 아니라 문장의 다른 종류. 예를 들어, Praxis 초등 교육 시험에 나오는 문장 구조에 관한 질문은 주제와 술어 또는 화합물과의 차이점을 알아야 할 수도 있습니다.

초등 교육 시험 작문 구조 - 인형

초등 교육 시험 작문 구조 - 인형

학생들은 공통 구조를 사용하여 작문을 구성한다. 인과 관계, 연대순, 비교 및 ​​계약. Praxis Elementary Education 시험은 귀하가 이러한 구조를 잘 알고 있어야합니다. 다음 목록에는 공통 구조 (사용되는 경우)와 자주 사용되는 단어가 링크되어 있습니다. 원인과 결과 ...

편집자의 선택

AutoCAD 2014의 블록 정의 편집 대화 상자 사용 방법 - 인형

AutoCAD 2014의 블록 정의 편집 대화 상자 사용 방법 - 인형

AutoCAD 도면에는 여섯 가지 종류의 시트가 표시됩니다. 한 가지 방법은 모두를 대표하는 세 가지 표준 블록을 만드는 것입니다. 또는 단일 동적 블록을 만들고 세 가지 유형 모두를 포괄하는 가시성 상태를 정의 할 수 있습니다. 다음 단계에서는 블록을 두 배로 만드는 방법을 보여줍니다 (또는 트리플 ...).

AutoCAD 2014에서 MLeaDer 명령 사용 방법 - 인형

AutoCAD 2014에서 MLeaDer 명령 사용 방법 - 인형

AutoCAD 2014를 사용하면 다중 지시선 MLeaDer 명령을 사용하여 동시에 지시선과 여러 줄 문자로 구성된 객체; 다음과 같은 간단한 단계를 따르십시오. 사용자의 필요에 따라 적절한 다중 지시선 스타일을 설정하십시오. 홈 탭의 다중 지시선 스타일 드롭 다운 목록에서 기존 스타일 선택 ...