Недостатки различных методов машинного обучения
 |
Наши проекты:
Журнал · Discuz!ML · Wiki · DRKB · Помощь проекту |
|
| ПРАВИЛА | FAQ | Помощь | Поиск | Участники | Календарь | Избранное | RSS |
| [52.14.126.74] |
|
|
Правила раздела
1. Название темы должно отражать ее содержимое (не создавайте темы с заголовком ПОМОГИТЕ, HELP и т.д.). Злоупотребление заглавными буквами в заголовках тем ЗАПРЕЩЕНО.
2. При создании темы постарайтесь, как можно более точно описать проблему, а не ограничиваться общими понятиями и определениями.
3. Приводимые фрагменты исходного кода старайтесь выделять тегами code.../code
4. Помните, чем подробнее Вы опишите свою проблему, тем быстрее получите вразумительный совет
2. При создании темы постарайтесь, как можно более точно описать проблему, а не ограничиваться общими понятиями и определениями.
3. Приводимые фрагменты исходного кода старайтесь выделять тегами code.../code
4. Помните, чем подробнее Вы опишите свою проблему, тем быстрее получите вразумительный совет
Модераторы: esperanto
Недостатки различных методов машинного обучения
|
Сообщ.
#1
,
|
  Junior |
Недостатки различных методов машинного обучения
1) Дерево решений Недостаток: невозможно инкрементное обучение в процессе работы При поступлении новых данных надо перестраивать все дерево 2) Наивный Байесовский алгоритм Недостаток: Не может выявить зависимостей между разными переменными. Например, в анти-спам фильтре письмо-спам характеризует определенное сочетание слов, но эти слова по отдельности часто встречаются в нормальных письмах. Такую корреляцию наивный байес не выявит. Все входные данные должны хотя бы примерно обладать свойством независимости. 3) Нейронная сеть Недостаток: ненаглядна. Невозможно объяснить полученные результаты. Иногда бывает очень важно не просто предсказать результат процесса, но и составить алгоритм процесса. Дерево решений строит такой алгоритм, а НС – черный ящик! |
|
Сообщ.
#2
,
|
|
|
Цитата доктор Рагин @ Линейные модели, в принципе, неплохо ловят определённый тип спама 2) Наивный Байесовский алгоритм Недостаток: Не может выявить зависимостей между разными переменными. Например, в анти-спам фильтре письмо-спам характеризует определенное сочетание слов, но эти слова по отдельности часто встречаются в нормальных письмах. Такую корреляцию наивный байес не выявит. Все входные данные должны хотя бы примерно обладать свойством независимости.  |
|
Сообщ.
#3
,
|
|
|
|
Цитата Линейные модели, в принципе, неплохо ловят определённый тип спама Это только если спам линейный |
0 пользователей читают эту тему (0 гостей и 0 скрытых пользователей)
0 пользователей:
[ Script execution time: 0,0160 ] [ 15 queries used ] [ Generated: 16.04.24, 11:18 GMT ]