Мінімаксний Підхід В Машинному Навчанні: Сучасний Стан Та Перспективи Розвитку.

Abstract

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.