Таблица | Карточка | RUSMARC | |
Разрешенные действия: Прочитать Загрузить (0,7 Мб) Группа: Анонимные пользователи Сеть: Интернет |
Аннотация
В главе рассматривается использование технологий машинного обучения, предсказывающих неизвестные значения целевого показателя по известным значениям других показателей. Генерация таких алгоритмов производится на основании эмпирических закономерностей, обнаруживаемых в данных. В главе приводится краткий обзор наиболее распространённых технологий машинного обучения, включая статистические методы, искусственные нейронные сети, метод опорных векторов, решающие деревья и леса, байесовские сети. Рассматриваются также оригинальные технологии, основанные на принятии коллективных решений по системам закономерностей. Обсуждаются вопросы корректной оценки эффективности алгоритмов диагностики и прогноза. Приводятся современные методы отбора наиболее информативных показателей.
The chapter discusses the applications using machine learning technologies in various tasks of medical diagnostics and forecasting. Machine learning methods provide computer-made construction of algorithms predicting unknown target indicator by known values of another variables. Such algorithms generated from empirical regularities discovered in data. The chapter presents a short review of existing mainstream technologies including statistical methods, artificial neural networks, classification trees and forests, Bayesian networks. Original technologies are based on collective solutions by sets of regularities. Questions of correct evaluation of diagnostic or predicting algorithms efficiency are discussed. Also the paper discusses existing methods of informative variables search.
Права на использование объекта хранения
Статистика использования
Количество обращений: 428
За последние 30 дней: 15 Подробная статистика |