Искусственный интеллект ТК 164

Площадь под кривой (AUC) — это показатель, используемый для оценки производительности модели бинарной классификации путем вычисления площади под кривой рабочей характеристики приемника (ROC). Пример: AUC

Характеристика приемника, рабочая — ROC представляет собой кривую, показывающую компромисс между истинно положительными показателями и ложноположительными показателями для различных пороговых значений классификации двоичного классификатора. Пример:

Матрица путаницы — это таблица, в которой показано количество истинных срабатываний, ложноположительных, истинных отрицательных и ложноотрицательных результатов модели классификации. Пример. Матрица путаницы используется в анализе

Импульс — метод импульса используется для повышения скорости сходимости алгоритмов оптимизации за счет добавления части предыдущего обновления к текущему обновлению. Пример: Momentum используется в SGD,

Скорость обучения — это гиперпараметр, определяющий размер шага алгоритма оптимизации во время обучения. Пример: скорость обучения используется в алгоритмах стохастического градиентного спуска, обратного распространения и

Спуск стохастический градиентный (SGD)  — это алгоритм оптимизации, используемый для обновления параметров модели путем выполнения небольших шагов в направлении отрицательного градиента функции потерь. Пример: SGD

Adam Optimizer – это алгоритм стохастической оптимизации, который сочетает в себе преимущества скорости адаптивного обучения и импульса для обновления параметров модели. Пример: оптимизатор Adam используется

Dropout — это метод регуляризации, используемый для предотвращения переобучения нейронных сетей путем случайного исключения некоторых нейронов во время обучения. Пример. Dropout используется при распознавании изображений, распознавании

Кодирование однократное — это метод, используемый для преобразования категориальных переменных в числовые путем создания двоичного вектора для каждой категории. Пример. Горячее кодирование используется в классификации

Разработка признаков — это процесс выбора, извлечения и преобразования наиболее релевантных и информативных признаков из необработанных данных для повышения производительности модели. Пример: разработка признаков используется