П. Браздил - Метаобучение Применение в AutoML и науке о данных
Название: | Метаобучение Применение в AutoML и науке о данных | |
Автор: | П. Браздил | |
Жанр: | Учебники и самоучители по компьютеру | |
Изадано в серии: | неизвестно | |
Издательство: | неизвестно | |
Год издания: | - | |
ISBN: | неизвестно | |
Отзывы: | Комментировать | |
Рейтинг: | ||
Поделись книгой с друзьями! Помощь сайту: донат на оплату сервера |
Краткое содержание книги "Метаобучение Применение в AutoML и науке о данных"
Читаем онлайн "Метаобучение Применение в AutoML и науке о данных". [Страница - 3]
- 1
- 2
- 3
- 4
- 5
- . . .
- последняя (203) »
корреляции..................................77
Ранговая корреляция Спирмена......................................................................78
Взвешенная мера ранговой корреляции........................................................79
3.6. Оценка влияния рекомендаций........................................................................79
3.6.1. Потери производительности и кривые потерь........................................80
3.6.2. Характеризация кривых потерь по AUC...................................................81
3.6.3. Агрегирование кривых потерь после нескольких проходов CV............81
3.6.4. Статистические тесты при заданном бюджете времени........................82
3.7. Некоторые полезные меры.................................................................................83
3.7.1. Низкая точность............................................................................................83
3.7.2. Нормализованный дисконтированный совокупный прирост. .............83
3.8. Литература............................................................................................................84
Глава 4. Характеристики набора данных (метапризнаки)..............86
4.1. Введение................................................................................................................86
4.1.1. Что такое хорошие признаки набора данных?........................................87
4.1.2. Характеристики, зависящие от задач и данных......................................87
4.1.3. Характеристики алгоритмов. .....................................................................88
4.1.4. Разработка метапризнаков.........................................................................88
4.2. Характеризация данных в задачах классификации.......................................88
4.2.1. Простые, статистические и теоретико-информационные
метапризнаки. ........................................................................................................89
Простые метапризнаки.....................................................................................89
Статистические метапризнаки........................................................................89
Теоретико-информационные метапризнаки................................................90
Содержание 9
4.2.2. Метапризнаки на основе модели...............................................................91
4.2.3. Метапризнаки на основе производительности.......................................91
Ориентиры..........................................................................................................91
Относительные ориентиры..............................................................................92
Ориентиры подвыборки и частичные кривые обучения.............................92
Вектор ориентиров производительности. .....................................................92
4.2.4. Метапризнаки, основанные на концепции и сложности.......................93
Вариативность/неровность выходного пространства..................................93
Перекрытие отдельных признаков..................................................................94
Разделимость классов........................................................................................94
Связь некоторых мер сложности с другими типами. ...................................94
4.3. Характеризация данных, используемая в задачах регрессии. .....................95
4.3.1. Простые и статистические метапризнаки................................................95
Метапризнаки на основе корреляции. ...........................................................96
4.3.2. Меры на основе сложности задачи............................................................96
4.3.3. Меры на основе сложности/модели...........................................................96
4.3.4. Меры гладкости. ...........................................................................................97
4.3.5. Меры нелинейности.....................................................................................97
4.4. Характеризация данных, используемых в задачах временных рядов........98
4.4.1. Общая статистика (описательная статистика).........................................98
4.4.2. Характеристики в частотной области. ......................................................98
4.4.3. Характеристики на основе автокорреляции............................................99
4.5. Характеризация данных, используемых в задачах кластеризации.............99
4.5.1. Простые, статистические и теоретико-информационные
метапризнаки. ........................................................................................................99
4.5.2. Метапризнаки на основе модели.............................................................100
4.5.3. Метапризнаки на основе производительности.....................................100
4.5.4. Метаобучение или оптимизация на целевом наборе данных?...........100
4.6. Получение новых признаков из базового набора.........................................101
4.6.1. Генерация новых признаков путем агрегации......................................101
4.6.2. Генерация полного набора метапризнаков............................................101
4.6.3. Создание новых признаков с помощью PCA. ........................................102
4.6.4. Преобразование признаков путем отбора и проекции........................102
4.6.5. Построение новых скрытых признаков с помощью матричного
разложения............................................................................................................102
4.6.6. Создание новых признаков в виде встраиваний...................................103
4.7. Отбор метапризнаков........................................................................................104
4.7.1. --">
Ранговая корреляция Спирмена......................................................................78
Взвешенная мера ранговой корреляции........................................................79
3.6. Оценка влияния рекомендаций........................................................................79
3.6.1. Потери производительности и кривые потерь........................................80
3.6.2. Характеризация кривых потерь по AUC...................................................81
3.6.3. Агрегирование кривых потерь после нескольких проходов CV............81
3.6.4. Статистические тесты при заданном бюджете времени........................82
3.7. Некоторые полезные меры.................................................................................83
3.7.1. Низкая точность............................................................................................83
3.7.2. Нормализованный дисконтированный совокупный прирост. .............83
3.8. Литература............................................................................................................84
Глава 4. Характеристики набора данных (метапризнаки)..............86
4.1. Введение................................................................................................................86
4.1.1. Что такое хорошие признаки набора данных?........................................87
4.1.2. Характеристики, зависящие от задач и данных......................................87
4.1.3. Характеристики алгоритмов. .....................................................................88
4.1.4. Разработка метапризнаков.........................................................................88
4.2. Характеризация данных в задачах классификации.......................................88
4.2.1. Простые, статистические и теоретико-информационные
метапризнаки. ........................................................................................................89
Простые метапризнаки.....................................................................................89
Статистические метапризнаки........................................................................89
Теоретико-информационные метапризнаки................................................90
Содержание 9
4.2.2. Метапризнаки на основе модели...............................................................91
4.2.3. Метапризнаки на основе производительности.......................................91
Ориентиры..........................................................................................................91
Относительные ориентиры..............................................................................92
Ориентиры подвыборки и частичные кривые обучения.............................92
Вектор ориентиров производительности. .....................................................92
4.2.4. Метапризнаки, основанные на концепции и сложности.......................93
Вариативность/неровность выходного пространства..................................93
Перекрытие отдельных признаков..................................................................94
Разделимость классов........................................................................................94
Связь некоторых мер сложности с другими типами. ...................................94
4.3. Характеризация данных, используемая в задачах регрессии. .....................95
4.3.1. Простые и статистические метапризнаки................................................95
Метапризнаки на основе корреляции. ...........................................................96
4.3.2. Меры на основе сложности задачи............................................................96
4.3.3. Меры на основе сложности/модели...........................................................96
4.3.4. Меры гладкости. ...........................................................................................97
4.3.5. Меры нелинейности.....................................................................................97
4.4. Характеризация данных, используемых в задачах временных рядов........98
4.4.1. Общая статистика (описательная статистика).........................................98
4.4.2. Характеристики в частотной области. ......................................................98
4.4.3. Характеристики на основе автокорреляции............................................99
4.5. Характеризация данных, используемых в задачах кластеризации.............99
4.5.1. Простые, статистические и теоретико-информационные
метапризнаки. ........................................................................................................99
4.5.2. Метапризнаки на основе модели.............................................................100
4.5.3. Метапризнаки на основе производительности.....................................100
4.5.4. Метаобучение или оптимизация на целевом наборе данных?...........100
4.6. Получение новых признаков из базового набора.........................................101
4.6.1. Генерация новых признаков путем агрегации......................................101
4.6.2. Генерация полного набора метапризнаков............................................101
4.6.3. Создание новых признаков с помощью PCA. ........................................102
4.6.4. Преобразование признаков путем отбора и проекции........................102
4.6.5. Построение новых скрытых признаков с помощью матричного
разложения............................................................................................................102
4.6.6. Создание новых признаков в виде встраиваний...................................103
4.7. Отбор метапризнаков........................................................................................104
4.7.1. --">
- 1
- 2
- 3
- 4
- 5
- . . .
- последняя (203) »
Книги схожие с «Метаобучение Применение в AutoML и науке о данных» по жанру, серии, автору или названию:
Крис Касперски - Восстановление данных. Практическое руководство Жанр: Учебники и самоучители по компьютеру Год издания: 2006 |
Кори Альтхофф - Computer Science для программиста-самоучки. Все, что нужно знать о струк-турах данных и алгоритмах |