Определения алгоритмов машинного обучения, представленных в Apache Mahout

Apache Mahout — это библиотека машинного обучения, созданная для обеспечения масштабируемости. Ее основные алгоритмы кластеризации, классификации и пакетной совместной фильтрации реализованы поверх Apache Hadoop с использованием парадигмы map/reduce.

Он содержит различные алгоритмы, которые мы определяем ниже. Каждый из них может определять несколько реализаций. Большинство, но не все реализации являются распределенными.

Классификация

Классификация — это задача определения того, к какой из множества категорий (подгрупп) относится новое наблюдение, на основе обучающего набора данных содержащий наблюдения (или экземпляры), принадлежность которых к определенной категории известна.

Кластеризация

Кластеризация — это задача группировки набора объектов таким образом, чтобы объекты в одной группе (называемой кластером) были более похожи (в некотором смысле или другой) друг к другу, а не к тем, кто находится в других группах (кластерах).

Анализ шаблонов

Анализ шаблонов — это метод интеллектуального анализа данных, который включает в себя поиск существующих шаблонов в данных. В этом контексте закономерности часто означают ассоциативные правила.

Регрессионный анализ

Регрессионный анализ — это статистический метод оценки взаимосвязей между переменными. Она включает в себя множество методов моделирования и анализа нескольких переменных, когда основное внимание уделяется взаимосвязи между зависимой переменной и одной или несколькими независимыми переменными.

Уменьшение размера

Уменьшение размера — это процесс уменьшения количества рассматриваемых случайных величин, который можно разделить на выбор объекта и извлечение объекта.

Эволюционный алгоритм

Эволюционный алгоритм использует механизмы, вдохновленные биологической эволюцией, такие как размножение, мутация, рекомбинация и отбор. Возможные решения задачи оптимизации играют роль индивидов в популяции, а функция приспособленности определяет среду, в которой эти решения “живут”