Реестровая запись: ЭЛ № ФС77-79395 от 02.11.2020 ISSN: 2782-1528 DOI 10.34660/c0727-6092-6372-a
Характеристики (или признаки) — это входные данные, которые используются для обучения модели. Пример: для предсказания стоимости дома характеристиками могут быть площадь, количество комнат и местоположение.
Способность обобщающая – свойство модели отражать исходные данные в требуемые результаты (X –> Y) на всем множестве исходных данных (во всех сценариях, а не только
Нормализация данных – процесс масштабирования вектора каждого признака к такому виду, что вектор будет иметь единичную норму (при этом есть разные способы оценки\подсчета нормы). [Воронина,
Ряд временной нечеткий – упорядоченная в равноотстоящие моменты времени последовательность наблюдений над некоторым процессом, состояния которого изменяются во времени, если значение состояния процесса в каждый
Метод градиентного спуска – нахождение локального экстремума (минимума или максимума) функции путем движения вдоль градиента в направлении наискорейшего спуска, задаваемого антиградиентом. [Воронина, В. В. Теория
Медиана – число, характеризующее выборку по среднему из ее значений. [Воронина, В. В. Теория и практика машинного обучения: учебное пособие / В. В. Воронина, А.
Пространство признаков – это N-мерное пространство, где N –число измеряемых характеристик объектов, выделенное для конкретной задачи. [Воронина, В. В. Теория и практика машинного обучения: учебное
Резюмирование временного ряда – формирование краткого описания ВР, содержащего существенные черты с точки зрения решаемой задачи. [Воронина, В. В. Теория и практика машинного обучения: учебное
Сегментация временного ряда – разбиение временного ряда на значимые сегменты. [Воронина, В. В. Теория и практика машинного обучения: учебное пособие / В. В. Воронина, А.
Система нечеткого логического вывода – модель, описывающая поведение систем на естественном (или близком к естественному) языке в виде приближенных рассуждений на основе композиционного правила вывода.