В статті представлено з.начення машинного навчання у сучасному світі. Звернуто особливу увагу на використання алгоритмів машинного навчання в медицині, зокрема використання різноманітних моделей, починаючи від регресії, SVM, випадкових лісів для контрольованого навчання та PCA для неконтрольованого. Підкреслюються основні невизначеності та завдання машинного навчання, що виникають у основних медичних додатках (діагностика, лікування та профілактика). Математично описано проблеми машинного навчання в медичних дослідженнях. Оптимізація є важливою частиною машинного навчання. Основна увага приділена мінімаксному підходу у машинному навчанні. Розглянуто ряд мінімаксних підходів таких, як: Minimax Probability Machine (MPM), Generalized Hidden-Mapping Minimax Probability Machine (GHM-MPM), Minimum Error Minimax Probability Machine (MEMPM), парна мінімаксна ймовірність екстремального нахилу машини (TMPELM), машина подвійної мінімаксної ймовірності (TWMPM) та деякі інші.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.