Реестровая запись: ЭЛ № ФС77-79395 от 02.11.2020 ISSN: 2782-1528 DOI 10.34660/c0727-6092-6372-a
Машинное обучение классическое (Classic Machine Learning, Classic ML), основанное на «неглубоких» алгоритмах и методах математической статистики. [Термины и определения в сфере применения технологий…(Электронный ресурс). Режим
Признаки входные для модели (input data) — это данные, которые подаются на вход упакованной модели. Входные признаки для модели могут состоят из входных признаков для
Схема интегральная специализированная; интегральная схема специального назначения (application specific integrated circuit, ASIC) — интегральная схема, специализированная под конкретное применение. [ГОСТ Р 71476-2024/ Искусственный интеллект. Концепции
Точка соединения (в структуре данных) [node) — точка, дающая начало подчиненным элементам. Примечание. Точка соединения может не иметь подчиненных элементов, и тогда ее называют конечной
Узел главный (host) — электронное вычислительное устройство, например персональный компьютер, обеспечивающее взаимодействие между пользователем и бесконтактной информационной системой. Примечание. Главный узел является ведущим звеном во
Машинное обучение как научное направление – подраздел искусственного интеллекта, изучающий методы построения алгоритмов, способных обучаться. Для построения таких методов используются средства математической статистики, численных методов,
Обучение как этап процесса разработки ИИС – состоит в определении параметров выбранной модели, связывающей входные данные с выходными значениями, и обеспечивающих минимум / максимум заданного
Стекинг – используется несколько разнородных слабых учеников. Их обучают и объединяют для построения прогноза, основанного на результатах различных слабых моделей. [Ансамблевые методы машинного обучения. (Электронный
Бэггинг – однородные модели обучают на разных наборах данных и объединяют. Получают прогноз путём усреднения или голосования. Если использовать в качестве слабого ученика деревья решений,
Методы ансамблевые – это мощный инструмент для построения моделей машинного обучения. Ансамбли позволяют увеличить точность модели до 90+, при этом они довольно просты в понимании.