Video: Lær at vælge regnemetode 2025
Del af Maskinindlæring til Dummies Cheat Sheet < Maskinindlæring involverer brugen af mange forskellige algoritmer. Denne tabel giver dig et hurtigt resumé af styrken og svaghederne i forskellige algoritmer.
Algoritme
| Bedst ved | Fordele | Ulemper | Tilfældig skov |
| Svar på næsten ethvert maskinindlæringsproblem | Bioinformatik
Kan arbejde parallelt |
Sjældent overfits > Håndter automatisk manglende værdier
Ikke nødvendigt at omdanne nogen variabel Ikke nødvendigt at justere parametre Kan bruges af næsten alle med fremragende resultater Vanskeligt at fortolke Svagere ved regression ved estimering af værdier ved ekstremiteterne i fordelingen af responsværdier |
Foretrukket i multiklasseproblemer mod hyppigere klasser
Gradient Boosting Apt ved næsten ethvert maskinindlæringsproblem |
| Søgemaskiner (løser problemet med at lære at rangere) > Det kan tilnærme de fleste ikke-lineære funktioner | Bedst i klasseprospektoren
Håndter automatisk manglende værdier |
Intet behov for at omdanne nogen variabel
Det kan overfit, hvis det kører for mange iterationer Følsom over for støjende data og outliers Fungerer ikke godt uden parameterindstilling |
Lineær regression
Baseline predic Økonometriske forudsigelser |
| Modellering af markedsføringssvar | Enkel at forstå og forklare
Det overgår sjældent Med L1 og L2-regulering er effektiv i funktionvalg |
Hurtig til træning
Let at træne på store data takket være dens stokastiske version Du skal arbejde hårdt for at gøre det tilpas for ikke-lineære funktioner. Kan lide af outliers Support Vector Machines |
Tegn genkendelse
Billedgenkendelse |
| Tekst klassificering | Automatisk ikke-lineær funktionalisering
Kan tilnærme komplekse, ikke-lineære funktioner Vanskeligt at fortolke ved anvendelse af ikke-lineære kerner |
Lider af for mange eksempler. Efter 10.000 eksempler begynder det at tage for lang tid at træne
K-nærmeste naboer |
Computer vision
Multilabel-tagging |
| Anbefalingssystemer | Stavekontrolproblemer
Hurtig og doven træning Kan naturligvis håndtere ekstreme multiklasseproblemer (som tagging tekst) Langsom og besværlig i den forudsigende fase |
Kan undlade at forudsige korr
Adaboost |
Ansigtsgenkendelse
Håndter automatisk manglende værdier |
| Intet behov for at omdanne nogen variabel | Det overlader ikke let | Få parametre til at tilpasse > 9 Naive Bayes
Ansigtsgenkendelse Sentimentanalyse Spamopdagelse Det er muligt at udnytte mange forskellige svage elever |
Følsomme over for støjende data og outliers
Tekstklassificering |
| Nem og hurtig at implementere, kræver ikke for meget hukommelse og kan bruges til onlineindlæring | Nem at forstå
Tager hensyn til forudgående viden Stærk og urealistisk egenskabsafhængighedsforudsætninger > Fejlberegner sjældne forekomster Lider af irrelevante egenskaber |
Neural Netværk
Billedgenkendelse Sproggenkendelse og oversættelse |
Talegenkendelse
Visionsgenkendelse Kan tilnærme enhver ikke-lineær funktion |
| Robust til outliers | Fungerer kun med en del af eksemplerne (supportvektoren s)
Meget vanskeligt at indstille Vanskeligt at stille på grund af for mange parametre, og du skal også bestemme netværkets arkitektur Vanskeligt at fortolke |
Let at overfit
Logistisk regression < Bestilling af resultater efter sandsynlighed Modellering af markedsføringssvar |
Enkel at forstå og forklare
Det overgår sjældent Med L1 og L2-regulering er effektiv i funktionen valg Den bedste algoritme til forudsigelse af sandsynligheder for en begivenhed |
| Hurtig til træning | Nem at træne på store data takket være dens stokastiske version
Du skal arbejde hårdt for at gøre det uegnet til ikke-lineære funktioner. |
Kan lide af outliers
SVD Recommender systemer Kan omstrukturere data på en meningsfuld måde Vanskeligt at forstå, hvorfor data er blevet omstruktureret på en bestemt måde PCA |
Fjernelse af collinearity
Reduktion af datasætets dimensioner |
| Kan reducere datadimensionalitet | Antyder stærke lineære antagelser (komponenter er en vægtet summation af funktioner) K-means | Segmentering | Hurtig til at finde klynger |
| Kan detektere afvigelser i flere dimensioner | Lider af multikollinearitet
Klynger er sfæriske, kan ikke registrere grupper af anden form |
Ustabil løsninger afhænger af initialisering |
Valg af editor
Fotografering af fugle Brug af dine digitale spejlreflekskameraerDu kan optage interessante billeder af fugle store og små med din digitale spejlreflekskamera . Du behøver bare lidt tålmodighed og lidt viden om den fugl, du vil fotografere. En fuglefoder er et ideelt sted at fotografere små fugle. Du kan rejse til et område med en sø eller flod eller til ... 
Fotografering af byer med dine digitale spejlreflekskameraerOm du bor i en søvnig lille by eller en storby, der overfylder menneskeheden kan din digitale spejlreflekskamera fange hjertet og sjælen i din hjemby. Du kan eksperimentere med at tage billeder om natten, når byen er dramatisk eller øde eller om dagen, når beboerne og deres aktiviteter gør byen ... 
Fotografering af objekter i bevægelse - dummierDer er et par tankeskoler om fotografering af objekter i bevægelse. Opskriften på en perfekt eksponering kan opnås på mange måder. Du kan vælge en lille blænde (stort f-stopnummer) for at få en stor dybdeskarphed, eller du kan vælge en hurtig lukkerhastighed, hvilket betyder en stor blænde (lille ... Valg af editor
Hvordan man fortjener mor fra blogging uden at sælge - dummierSælger er et udtryk, der anvendes til kompromittere din integritet, principper eller moral for at vinde penge eller succes. Problemet er, at hvis alle havde de samme principper og definition af integritet, ville der ikke være meget behov for forskellige politiske partier eller religioner. Folk kan anklaget for at sælge ud, hvis de simpelthen gør ting som ... 
Hvordan man korrekt bruger nøgleord til din online community - dummiesNår du har en god ide om hvilke typer søgeord der skal bruges i dit online-fællesskab, er det tid til at skrive indholdet, så det ser naturligt ud. For mange mennesker peber søgeord liberalt omkring deres blogindlæg, web artikler, Om sider og andet indhold, som ser dumt og forkert ud. Selvom du bruger nøgleord, er det godt ... 
Sådan sættes annoncer på din blog - dummiesFor at få annoncer på din blogwebsite, de programmer du tilmelde dig normalt give dig en smule kode, som du indsætter i din hjemmeside skabeloner. Nogle programmer har trinvise instruktioner til populære blogsoftwarepakker, men vær opmærksom på at du måske også har brug for at konsultere dokumentation til blogsoftware til hjælp med ... Valg af editor
Ompirrende Signaler og hvad de betyder i Cricket - DummiesEmbedsmændene med ansvar for et cricketpil er kaldet umpires, og de har en lang række signaler til at angive de beslutninger, de træffer i løbet af et spil. Disse er de vigtigste. Højre arm udstrakte. No-bold. Dette signal indikerer, at bowlerens fod har landet over frontlinjen af ... 
Vælg en Tennis Racquet - DummiesJa, du kan støv af den racquet, du spillede for fem år siden og give det en strålende tilbagevenden til retten - hvis det føles godt i din hånd og det får dine skud hvor (og hvordan) vil du have dem til at gå. Hvis du er på markedet for et nyt våben, vil du dog ... 
Skæring og dicing, tennis stil - dummiesSkive eller backspin, får tennisbolden til at vende tilbage mod effektkilde (dig). Når et stykke skud springer, forbliver bolden lavt, hvilket tvinger din modstander til virkelig at strække for at komme til bolden. Hvis spillere gerne angriber nettet og volley, skar de meget. Skiven kan være en nyttig ... |
