Podstawy uczenia i dane

Zdolność wyuczonego modelu do poprawnego działania na danych niewidzianych podczas uczenia.

Stan modelu zbyt prostego, by uchwycić zależności w danych, dający wysoki błąd zarówno na zbiorze uczącym, jak i testowym.

Parametr sterujący procesem uczenia, ustalany przed uczeniem i niewyznaczany przez optymalizację na danych.

Technika oceny modelu polegająca na wielokrotnym podziale danych na części uczące i walidacyjne i uśrednianiu wyników.

Paradygmat uczenia, w którym model dopasowuje się do danych z parami wejście–etykieta, ucząc się odwzorowania z przykładów oznaczonych docelową wartością.

Paradygmat, w którym model odkrywa strukturę w danych bez etykiet docelowych, np. grupując przykłady lub estymując rozkład.

Uczenie wykorzystujące jednocześnie niewielki zbiór danych oznaczonych i duży zbiór nieoznaczonych do poprawy modelu.

Paradygmat, w którym agent uczy się polityki działania przez interakcję ze środowiskiem, maksymalizując skumulowaną nagrodę.

Niezależny podzbiór danych, niewidziany podczas uczenia, służący do oceny zdolności uogólniania modelu.

Podzbiór danych użyty do dopasowania parametrów modelu w trakcie uczenia.

Podzbiór danych używany do strojenia hiperparametrów i wyboru modelu, oddzielony od zbioru uczącego i testowego.

Powiększanie zbioru uczącego przez generowanie zmodyfikowanych wersji istniejących przykładów w celu poprawy uogólniania.

Tworzenie, dobór i przekształcanie cech z surowych danych w celu poprawy zdolności predykcyjnej modelu.

Przeskalowanie wartości cech do wspólnego zakresu lub rozkładu, by ujednolicić ich wpływ na uczenie.

Pojedyncza mierzalna własność obserwacji wykorzystywana jako zmienna wejściowa modelu uczącego.

Docelowa wartość przypisana przykładowi uczącemu, którą model ma przewidywać w uczeniu nadzorowanym.

Uporządkowana lista wartości cech reprezentująca pojedynczą obserwację jako punkt w przestrzeni cech.

Zadanie predykcji, w którym model przypisuje obserwacji jedną z dyskretnych klas docelowych.

Zadanie predykcji, w którym model przewiduje ciągłą wartość liczbową na podstawie cech wejściowych.