Metody strojového učení
NG1Obecný postup strojového učení zahrnuje volbu výpočetního modelu pro řešení dané úlohy, jehož parametry poté učíme ve fázi trénování modelu. Témata v této kapitole podrobněji představují několik modelů, které se ve strojovém učení často využívají:
- lineární modely – určují výstup pomocí lineární funkce
- rozhodovací stromy – určují výstup pomocí řady podmínek
- neuronové sítě – kombinují velké množství jednoduchých funkcí (tzv. neuronů)
- pravděpodobnostní modely – pracují s nejistotou (např. Naivní Bayesův klasifikátor)
Rozhodovačka
Rychlé procvičování výběrem ze dvou možností.
Lineární regrese (lehké) • NFG
zadání: 41
Typicky zabere: 5 min

Lineární regrese (střední) • NFH
zadání: 50
Typicky zabere: 5 min

Lineární regrese (těžké) • NFJ
zadání: 50
Typicky zabere: 5 min

Rozhodovací stromy (lehké) • NFK
zadání: 39
Typicky zabere: 7 min

Rozhodovací stromy (střední) • NFL
zadání: 53
Typicky zabere: 6 min

Rozhodovací stromy (těžké) • NFM
zadání: 49
Typicky zabere: 5 min

Neuronové sítě (lehké) • NGJ
zadání: 47
Typicky zabere: 3 min

Neuronové sítě (střední) • NGK
zadání: 80
Typicky zabere: 5 min

Neuronové sítě (těžké) • NGL
zadání: 85
Typicky zabere: 5 min

Pravděpodobnost ve strojovém učení (střední) • NE4
zadání: 47
Typicky zabere: 5 min

Pravděpodobnost ve strojovém učení (těžké) • NE6
zadání: 50
Typicky zabere: 5 min

Metody strojového učení: mix (lehké) • NGV
zadání: 127
Typicky zabere: 6 min

Metody strojového učení: mix (střední) • NG3
zadání: 230
Typicky zabere: 5 min

Metody strojového učení: mix (těžké) • NG4
zadání: 234
Typicky zabere: 5 min
