Video: Why The YouTube Algorithm Will Always Be A Mystery 2024
Del av maskinlæring for dummier Cheat Sheet < Maskinlæring innebærer bruk av mange forskjellige algoritmer. Denne tabellen gir deg et raskt sammendrag av styrker og svakheter i ulike algoritmer.
Algoritme
| Best på | Fordeler | Ulemper | Tilfeldig skog |
| Apt på nesten alle maskinlæringsproblemer | Bioinformatikk
Kan fungere parallelt |
Sjelden overfits > Håndterer manglende verdier automatisk
Ikke nødvendig å omdanne noen variabel Ikke nødvendig å justere parametere Kan brukes av nesten alle med gode resultater Vanskelig å tolke Svakere på regresjon når man estimerer verdier ved ekstremiteter av fordelingen av responsverdier |
Forskjellige i multiklasseproblemer mot hyppigere klasser
Gradient Boosting Apt på nesten alle maskinlæringsproblemer |
| Søkemotorer (løse problemet med å lære å rangere) > Det kan omtrentliggjøre mest ikke-lineære funksjonen. | Best i klassens spådommer
Håndter automatisk manglende verdier |
Ikke nødvendig å omdanne noen variabel
Det kan overfit hvis det kjører for mange iterasjoner Følsomt for støyende data og outliers Fungerer ikke bra uten parameterinnstilling |
Linjær regresjon
Baseline predic Økonometriske forutsetninger |
| Modellering av markedsresponser | Enkel å forstå og forklare
Det overgår sjelden Bruk av L1 og L2-regulering er effektiv i funksjonsvalg |
Rask til trening
Lett å trene på store data takket være sin stokastiske versjon Du må jobbe hardt for å få det til å passe til ikke-lineære funksjoner. Kan lider av utelatere. Støtte vektormaskiner |
Tegngjenkjenning
Bildegjenkjenning |
| Tekst klassifisering | Automatisk ikke-lineær funksjonalisering
Kan omtrentlige komplekse, ikke-lineære funksjoner Vanskelig å tolke ved bruk av ikke-lineære kjerner |
Lider av for mange eksempler. Etter 10 000 eksempler begynner det å ta for lang tid å trene
K-nærmeste naboer |
Datasyn
Multilabel-tagging |
| Anbefalingssystemer | Stavekontrollproblemer
Rask, lat trening Kan selvfølgelig håndtere ekstreme multiklassproblemer (som merking av tekst) Sakte og besværlig i forutsigelsesfasen |
Kan ikke forutsi korr
Adaboost |
Ansiktsgjenkjenning
Håndterer manglende verdier automatisk |
| Ikke nødvendig å omdanne noen variabel | Det overlater ikke lett | Få parametere til å justere > Naive Bayes
Ansiktsgjenkjenning Sentimentanalyse Spam deteksjon Det er mulig å utnytte mange forskjellige svake elever. Tekstklassifisering |
Enkel og rask å implementere, krever ikke for mye minne og kan brukes til nettbasert læring
Enkel å forstå |
| Tager hensyn til forkunnskaper | Sterke og urealistiske funn uavhengighetsforutsetninger > Mislykkes i å estimere sjeldne forekomster
Lider av irrelevante funksjoner Neural Networks Bildegjenkjenning |
Språkgjenkjenning og oversettelse
Taleegenkjenning Visjongjenkjenning |
Kan omtrentligse en ikke-lineær funksjon
Robust til utelukker Fungerer bare med en del av eksemplene (støttestrukturen s) |
| Svært vanskelig å sette opp | Vanskelig å stille på grunn av for mange parametere, og du må også bestemme nettverksarkitekturen
Vanskelig å tolke Lett å overfit Logistisk regresjon < Bestilling av resultater etter sannsynlighet |
Modellering av markedsresponser
Enkel å forstå og forklare Det overgår sjelden |
Bruk av L1 og L2-regulering er effektiv i funksjonsvalg
Den beste algoritmen for å forutsi sannsynligheten for en Hendelse Rask å trene Lett å trene på store data takket være den stokastiske versjonen |
| Du må jobbe hardt for å gjøre den ukjent for funksjonshemmede. | Kan lider av avvikere
SVD |
Anbefaler Systemer
Kan omstrukturere data på en meningsfull måte Vanskelig å forstå hvorfor dataene har blitt omstrukturert på en bestemt måte PCA Fjerne kollinearitet Redusere dimensjonene til datasettet |
Kan redusere datadimensjonalitet
Antyder sterke lineære antagelser (komponentene er en vektet summasjon av funksjoner) K-means |
| Segmentering | Raskt i å finne klynger | Kan detektere utjevninger i flere dimensjoner | Lider av multikollinearitet |
| Klynger er sfæriske, kan ikke oppdage grupper av annen form | Ustabil løsninger, avhenger av initialisering
Redaktørens valg
Hvordan å stable og gruppereformer i Word 2013 - dummiesEnkeltformer kan noen ganger være nyttige i en dokument, men den virkelige kraften til Word 2013's Shapes-funksjonen kan bli funnet ved å kombinere figurer for å lage mer komplekse tegninger og logoer. Du kan stable formene oppå hverandre og kontrollere rekkefølgen de vises i stakken. Når du har ... 
Hvordan du angir punktavstand i Word 2013 - dummiesWord 2013 lar deg legge til "luft" til plass før eller etter eller i midten av avsnittene dine. I midten av avsnittet har du linjeavstand. Før og etter avsnittet kommer punktavstand. Hvordan sette linjeavstanden Endre linjeavstanden legger til ekstra mellomrom mellom alle tekstlinjer ... 
Slik starter du et nytt dokument i Word 2007 - dummiesStarter et nytt dokument i Word 2007 er lett. Hvis du nettopp har startet Word 2007 og vil åpne et tomt dokument, kan du følge tre enkle trinn. Redaktørens valg
Slik oppretter du en AWS Administrator User - DummiesOpprett Administrator-gruppen er det første trinnet for å sikre at din AWS (Amazon Web Services) -kontoen er fortsatt trygg. Det neste trinnet er å opprette en konto for deg selv og tilordne den til administratorgruppen, slik at du har full tilgang til de administrative funksjonene i din AWS-konto. Følgende trinn beskriver hvordan ... 
Vurderer AWS-støttede plattformer - dummiesHvis du ikke har behandlet AWS eller skyen ennå, du kan være fristet til å tenke på plattformer som en bestemt kombinasjon av gjenstander. For eksempel, når du ser ditt eget lokale oppsett, har du en server som kjører et bestemt operativsystem og har et bestemt sett med maskinvareressurser. Systemet har en bestemt ... 
Lage skuffer på Amazon Web Services - dummiesNår du er den stolte eieren av Amazon Web Services (AWS ) konto, det er på tide å gjøre noe nyttig, som å lage en bøtte. Start med å sjekke ut dine S3-ressurser. For å gjøre det, klikk S3-lenken på startsiden for AWS Management Console, som vist her: Du er tatt til en side som lar deg administrere ... Redaktørens valg
Slik bruker du Eye-Fi med Evernote-dummiesEt selskap kalt Eye-Fi gjør det mulig å Koble kameraet ditt med Evernote, selv uten å koble kameraet til datamaskinen. Følg disse trinnene for å bruke Eye-Fi: Følg instruksjonene som følger med Eye-Fi-kortet for å konfigurere en Eye-Fi-konto. Sett inn Eye-Fi-kortet i kameraet. Slå på kameraet ditt. ... 
Hvordan man merker på Evernote for datamaskiner og tabletter - dummiesHele poenget med å lagre nyttig informasjon er for å kunne finne den senere. Tagging i Evernote er fundamentalt lik for alle plattformer og er ekstremt nyttig når du dash om å prøve å skrive inn notater på hvilken enhet du bruker på den tiden. For å lage en tagg for et notat på en datamaskin eller ... |
