Koneoppimismenetelmät
Koneoppimismenetelmät tarkoittavat algoritmeja ja lähestymistapoja, joilla tietokoneet oppivat tekemään ennusteita tai löytämään rakenteita datasta ilman suoraa ohjelmointia. Ne jaetaan yleisesti valvottuun, valvomattomaan ja vahvistusoppimiseen sen mukaan, onko oppiminen ohjattu merkittyjen esimerkkien avulla vai ei.
Valvotut menetelmät sisältävät regressio- ja luokittelualgoritmeja, kuten lineaarinen regressio, logistinen regressio, tuki-vektorikoneet, päätöspuut ja lähimmän naapurin
Syväoppiminen hyödyntää monikerroksisia keinotekoisia hermoverkkoja, erityisesti konvoluutio- ja toistuvia verkkoja, ja on tehokas kuvien, äänen ja
Menestyksekäs koneoppiminen vaatii piirrevalinnan, hyperparametrien säätämisen ja huolellisen arvioinnin ristiinvalidoinnilla ja metriikoilla kuten tarkkuus, recall ja