K-Means a GMM: Rozlúštenie neoznačených dát
Rozlúštenie dát bez označenia: K-Means a GMM sú algoritmy pre neoznačené učenie, ktoré hľadajú skryté štruktúry v dátach. K-Means delí dáta do skupín, zatiaľ čo GMM prideľuje pravdepodobnosti členstva.
Prednáška zo Stanfordu sa ponorila do fascinujúceho sveta neoznačeného učenia, konkrétne sa zamerala na algoritmy K-Means a Gaussian Mixture Models (GMM). V dnešnej ére, keď máme obrovské množstvo dát bez štítkov, je schopnosť nájsť v nich skryté štruktúry neoceniteľná. Táto prednáška nám ukázala, ako tieto algoritmy fungujú a prečo sú tak dôležité v oblasti machine learningu.
Neoznačené učenie: Hľadanie vzorov bez pomocníka
Na rozdiel od označeného učenia, kde máme k dispozícii tréningové dáta s odpoveďami (štítkami), neoznačené učenie sa snaží nájsť štruktúru v dátach bez akýchkoľvek preddefinovaných označení. Predstavte si to ako hľadanie skupín ľudí na večierku, keď neviem nič o nich – len ich pozorujem a snažím sa ich roztriediť do logických skupín podľa podobných znakov.
