Что такое «проклятие размерности» и как с ним борются в машинном обучении

Доклад · 10–15 страниц · Информатика · студент

Показываем, как рост числа признаков влияет на точность и скорость моделей. Методы снижения размерности: PCA, t-SNE.

Когда данных много, а признаков ещё больше, модели машинного обучения начинают сбоить — это и есть проклятие размерности. Доклад объяснит, почему увеличение числа фич ломает обучение, и покажет методы борьбы: от отбора признаков до снижения размерности.

Работа по этой теме — за несколько минут. План и структура бесплатно и без регистрации, оплата — только за готовый документ с оформлением по ГОСТ.

Сгенерировать доклада по этой теме

Примерная структура работы

  1. Суть проклятия размерности
    • <built-in method title of str object at 0x7f87807dfd20>
    • <built-in method title of str object at 0x7f87807df5d0>
  2. Методы снижения размерности
    • <built-in method title of str object at 0x7f87807deb40>
    • <built-in method title of str object at 0x7f87807dea70>
  3. Отбор признаков и регуляризация
    • <built-in method title of str object at 0x7f87806e6fa0>
    • <built-in method title of str object at 0x7f878061e410>

Структуру можно менять: перед оплатой вы бесплатно правите главы и параграфы под требования преподавателя.

← Все темы · Всё про «доклад»