алгоритмы машинного обучения: классификация с обучением, кластеризация, регрессия, поиск аномалий. Примеры моделей.

Т.е. создаются категории (кластеры), в которых собираются схожие элементы.Кластеризация объектов осуществляется в соответствии с различными алгоритмами. Как правило, чаще используются:- на основе центра тяжести треугольника;- на основе соединений- уменьшение размерности;- плотность (на основе пространственной кластеризации);- вероятностные;- машинного обучения, включая нейронные сети.Алгоритмы кластеризацииможно использовать в различных областях: в астрономии (изучение взаимодействия звезд и галактик), в психологии (обрабатываются результатыпсихологических тестов), а так же в информационных технологиях.9. Метод главных компонент (PCA)Метод главных компонентов, или PCA, является операцией статистического ортогонального преобразования. Его целью является возможность преобразования наблюдения переменных, которые могут каким-то образом быть взаимосвязанными, и образовывать набор главных компонентов. Данные компоненты являются значениями, представляющими собой линейную корреляцию.Практические задачи, в которых применяется PCA, это задачи, которые могут визуализировать, а так же сжать, упростить, минимизировать данные, чтобы облегчить процесс обучения. Тем не менее, данный метод не может применяться в ситуациях, когда исходные данные не упорядочены (то есть все компоненты метода имеют высокую дисперсию). Из-за этих особенностей этот метод применяется тогда, когда предметная область хорошо изучена и может быть подробно описана.10. Сингулярное разложениеДля линейной алгебры, сингулярное расширение можно определить как расширение прямоугольной матрицы, которая в свою очередь состоит из комплексных, либо вещественных чисел. В качестве частного случая сингулярное разложениевыступает как метод основного компонента. Основой компьютерного зрения являются компоненты RSA и RSA SVD, которые работают по следующемуалгоритму.В компьютер вводятся базовые компоненты, которые представляют собой определенную сумму образов. Затем размер образца уменьшается и сравнивается с первоначальным образом. На сегодняшний день сингулярные алгоритмы намного сложнее, но их природа остается прежней. 11. Анализ независимых компонент (ICA)Является одним из статистических методов, который раскрывает скрытые факторы. Данные факторы могут влиять на случайные величины, сигналы и т. д. ICA может генерировать модель для базы данных с несколькими переменными. Такой подход обозначает, переменные, содержащие в себе скрытые переменные.Правила смешивания таких переменных не выявлены. Скрытые переменные могут быть рассмотрены как независимые компоненты выборки и их считают негауссовыми сигналами.Данный метод обучения нашел широкий спектр применения. Его можно применять в любой сфере человеческой деятельностиВыводы:Машинное обучение это первый шаг к искусственному интеллекту.Это базовый уровень обучения машин.Машинное обучение применяется во многих сферах человеческой деятельности. Особенно интенсивно оно применяется в процессе обучения. С помощью него составляются тесты по предметам, по психологии и т.д.Список используемой литературыВведение в машинное обучение [Электронный ресурс] - https://intellect.icu/vvedenie-v-mashinnoe-obuchenie-osnovnye-zadachi-vidy-i-algoritmy-primery-primeneniya-otlichie-klasterizatsii-ot-klassifikatsii-i-regressii-9448Хабр[Электронный ресурс] - https://habr.com/ru/post/448892/