Основные понятия Machine Learning

Machine learning Machine learning бывает 2-х типов:

1. обучение с учителем — регрессия, классификация.

Признаки получается из аннотированной выборки, которую готовит учитель.

Регрессия выдает y=f(x), где x — вход (непрерывные величины, one-hot признаки), y — непрерывный выход.

Классификация бывает 2-х видов: бинарная, мультиклассовая.

2. обучение без учителя — кластеризация, ассоциация.

Признаки формирует автоэнкодер или что-то еще, на основе похожести чего-либо.

https://www.dlology.com/blog/how-to-do-unsupervised-clustering-with-keras/

Deep learning — подвид ML на основе нейросетей (ANN).

One-hot encoding используется для признаков и лейблов.

Причина — не все виды алгоритмов приемлют Label Encoding (0, 1, 2, 3...). Причина — алгоритм путает 3-1=2, 2+1=3, т.е. он не может однозначно поставить соотвествие лейблу и энкодингу. С точки зрения некоторых алгоритмов 3-1=2, 2+1=3 — одно и тоже.