
Diskriminační modely
Zjistěte více o diskriminačních AI modelech—strojovém učení zaměřeném na klasifikaci a regresi pomocí modelování rozhodovacích hranic mezi třídami. Pochopte, ja...
Zjistěte více o diskriminačních AI modelech—strojovém učení zaměřeném na klasifikaci a regresi pomocí modelování rozhodovacích hranic mezi třídami. Pochopte, ja...
Gradient Boosting je výkonná ensemble metoda strojového učení pro regresi i klasifikaci. Modely buduje sekvenčně, obvykle s použitím rozhodovacích stromů, za úč...
Algoritmus k-nejbližších sousedů (KNN) je neparametrický, řízený algoritmus strojového učení používaný pro klasifikaci a regresi. Předpovídá výsledky hledáním '...
LightGBM, nebo Light Gradient Boosting Machine, je pokročilý framework pro gradientní boosting vyvinutý společností Microsoft. Je navržen pro vysoce výkonné úlo...
Lineární regrese je základní analytická technika ve statistice a strojovém učení, která modeluje vztah mezi závislými a nezávislými proměnnými. Díky své jednodu...
Regrese pomocí náhodného lesa je výkonný algoritmus strojového učení používaný pro prediktivní analytiku. Vytváří více rozhodovacích stromů a průměruje jejich v...
Rozhodovací strom je výkonný a intuitivní nástroj pro rozhodování a prediktivní analýzu, používaný jak pro klasifikační, tak regresní úlohy. Jeho stromová struk...
Střední absolutní chyba (MAE) je základní metrika ve strojovém učení pro hodnocení regresních modelů. Měří průměrnou velikost chyb v predikcích a poskytuje jedn...
Supervizované učení je základním přístupem ve strojovém učení a umělé inteligenci, kde algoritmy získávají znalosti z označených datových sad, aby mohly provádě...
Učené učení je základní koncept umělé inteligence a strojového učení, při kterém jsou algoritmy trénovány na označených datech za účelem přesných předpovědí neb...
Upravené R-kvadrát je statistická míra používaná k hodnocení kvality přizpůsobení regresního modelu, která zohledňuje počet prediktorů, aby se zabránilo přeplně...