Uczenie maszynowe
Liczba metod: 298.
Machine learning 228
Reguły asocjacyjne uczenia aktywnegoWykrywanie anomalii z wykorzystaniem autoenkoderów i aktywnego uczeniaActive Learning BoostingAktywne uczenie drzew decyzyjnychAktywne Uczenie w Uczeniu FederacyjnymAktywny Uczący się Model Mieszanin GaussowskichAktywne uczenie z procesem GaussaAktywne uczenie z gradientowym wzmacnianiemAktywne uczenie z wykorzystaniem Isolation ForestAktywne uczenie maszynowe z algorytmem K-najbliższych sąsiadówAktywne uczenie z modelem LightGBMLiniowa regresja z aktywnym uczeniemAktywne uczenie się z regresją logistycznąAktywne uczenie maszynowe z jednoklasowym SVMAktywne uczenie z samonadzoremAktywne uczenie w architekturze stosu (Active Learning Stacking Ensemble)Aktywne uczenie maszynowe z użyciem maszyny wektorów nośnychGłosowanie w ramach aktywnego uczenia (Active Learning Voting Ensemble)Algorytm AprioriReguły asocjacyjneDetekcja anomalii za pomocą autoenkoderówBayesowskie aktywne uczenie sięReguły Asocjacyjne BayesaBayesowskie autoenkodery do detekcji anomaliiBagging BayesowskiBoosting bayesowskiBayesian Decision TreeBayesowskie uczenie federacyjneBayesowskie uczenie z niewielu przykładówBayesowski model mieszaniny rozkładów GaussaBayesowskie procesy GaussaBayesian k-Nearest NeighborsBayesian LightGBMBayesian Metric LearningBayesowski Naiwny BayesBayesowska maszynowa klasyfikacja wektorów nośnych dla jednej klasyBayesowskie uczenie się on-lineBayesian Random ForestBayesowskie uczenie częściowo nadzorowaneBayesian Stacking EnsembleBayesowska maszyna wektorów nośnychUczenie transferowe bayesowskieBayesowski XGBoostWzmocnienieUczące się aktywne z wykorzystaniem zespołów (Ensemble Active Learning)Algorytm Ensemble AprioriReguły Asocjacyjne EnsembleWykrywanie anomalii metodą autoenkoderów zespołowychDrzewo decyzyjne typu ensembleFederacyjne Uczenie ZespołoweUczenie zespołowe z małą liczbą przykładów (Ensemble Few-Shot Learning)Ensemble Gaussian Mixture ModelProcesy Gaussa w wersji zespołowej (Ensemble Gaussian Process)Ensemble Gradient BoostingEnsemble HDBSCANLas Izolacyjny (Ensemble Isolation Forest)Ensemble K-meansEnsemble K-Nearest NeighborsRegresja Liniowa Metodą ZespołowąRegresja logistyczna zespołowaUcząca się metryki zespołowaZespołowy naiwny BayesZespołowa maszyna wektorów nośnych dla jednej klasy (Ensemble One-Class SVM)Uczenie przyrostowe zespołowe (Ensemble Online Learning)Uczenie zespołowe samonadzorowaneUczące się zespoły w uczeniu ze wsparciem częściowymZespołowa maszyna wektorów nośnychUczenie transferowe z wykorzystaniem zespołówExplainable Association RulesWyjaśnialne wykrywanie anomalii za pomocą autoenkoderówWyjaśnialny DBSCANWyjaśnialne drzewo decyzyjneWyjaśnialne Ekstremalnie Losowe DrzewaWyjaśnialny FP-GrowthWyjaśnialny model mieszaniny GaussaWyjaśnialny proces GaussaWyjaśnialne wzmacnianie gradientoweWyjaśnialny HDBSCANWyjaśnialny las izolacyjnyWyjaśnialne K-średnichWyjaśnialny K-Najbliższych SąsiadówWyjaśnialny LightGBMWyjaśnialny Naiwny Klasyfikator BayesowskiWyjaśnialna maszynowa klasyfikacja SVM dla jednej klasyWyjaśnialny Las LosowyWyjaśnialne zespoły typu stackingExplainable Support Vector MachineWyjaśnialny Zespół GłosującyWyjaśnialny XGBoostExtra TreesUczenie z niewielką liczbą przykładówProces GaussaGrupowanie K-średnich (K-means Clustering)Regresja liniowa (ML)Regresja logistyczna (ML)Uczenie metryczneOne-Class SVMOnline Active LearningReguły asocjacyjne onlineWykrywanie anomalii za pomocą przyrostowego autoenkoderaOnline BaggingPrzyrostowe uczenie zespołoweOnline DBSCANDrzewo decyzyjne onlineUczenie Federacyjne OnlineUczenie z niewielką liczbą przykładów w trybie onlineOnline FP-growthOnline'owy model mieszaniny GaussaProces Gaussa onlineGradient Boosting OnlineOnline HDBSCANOnline Isolation ForestOnline K-meansAlgorytm K-Najbliższych Sąsiadów onlineUczenie onlineOnline LightGBMRegresja liniowa onlineRegresja logistyczna onlineUczenie metryczne onlineOnline Naive BayesOnline One-Class SVMOnline Random ForestSamouczenie samo nadzorowanie w trybie onlineUczenie online ze wsparciem (semi-supervised learning)Maszyna wektorów nośnych onlineOnline Transfer LearningOnline Voting EnsembleRegularyzowane wzmacnianieUregularyzowany CatBoostRegularyzowane drzewo decyzyjneRegularyzowane uczenie federacyjneRegularyzowane uczenie z niewielką liczbą przykładówRegularyzowany model mieszaniny GaussaRegularyzowany proces GaussaUregulowany gradientowy boostingK-średnie z regularyzacjąRegularyzowane k-najbliższych sąsiadówRegularized LightGBMRegularyzowana regresja liniowaRegularyzowana regresja logistycznaZregularizowany Naiwny BayesUczenie online z regularyzacjąUregulowany las losowyUregularyzowane uczenie częściowo nadzorowaneUregulowany Zespół Stosowy (Regularized Stacking Ensemble)Regularyzowana Maszyna Wektorów NośnychUczenie transferowe z regularyzacjąOdporne aktywne uczenie sięWykrywanie anomalii za pomocą odpornego autoenkoderaRobust BaggingSolidne zwiększanie (Robust Boosting)Drzewo decyzyjne odporne na zakłóceniaOdporne uczenie federacyjneSolidny model mieszaniny rozkładów GaussaRobust Gaussian ProcessRobust Gradient BoostingRobust HDBSCANRobust Isolation ForestRobust k-meansRobust LightGBMRegresja liniowa odpornaUczenie metryki odpornej na zakłóceniaNaiwny Bayes z rozszerzoną odpornością (Robust Naive Bayes)Robust One-Class SVMOdporne uczenie onlineRobust Random ForestSolidny zespół warstwowy (Robust Stacking Ensemble)Wytrzymały klasyfikator maszyny wektorów nośnychRobust Voting EnsembleSolidny XGBoostAktywne uczenie wspomagane uczeniem samo nadzorowanymWykrywanie anomalii za pomocą samo-nadzorowanego autoenkoderaWzmocnienie samo-nadzorowaneSamouczenie DBSCANSamonadzorowane drzewo decyzyjneUczenie federacyjne z samo-nadzoremSamonadzorowane uczenie z niewielką liczbą przykładówSamo-nadzorujący się model mieszaniny GaussaSamo-nadzorowany proces GaussaSamouczenie gradientoweSamonadzorowany las izolacyjnySamouczenie K-średnichSamo-nadzorowane k-najbliższych sąsiadówUczenie samo nadzorowaneSamouczenie z użyciem LightGBMLogistyczna regresja samo nadzorowanaUczenie metryczne z samonadzoremSamonadzorowany Naiwny Klasyfikator Bayes'aSamonadzorowany SVM jednej klasySamouczenie z wykorzystaniem lasów losowychSamo-nadzorowane uczenie się w architekturze typu Stacking EnsembleMaszyna wektorów nośnych z uczeniem samonadzorowanymUczenie transferowe z samo-nadzoremAktywne uczenie częściowo nadzorowanePółnadzorowany algorytm AprioriReguły asocjacyjne częściowo nadzorowaneWykrywanie anomalii za pomocą autoenkodera semisuperwzvisowanegoBagging półnadzorowanyWzmocnienie półnadzorowanePółnadzorowany CatBoostPółnadzorowany DBSCANDrzewo decyzyjne z uczeniem częściowo nadzorowanymPółnadzorowane uczenie federacyjneSemi-supervised Few-shot LearningPółnadzorowany algorytm FP-growthPółnadzorowany model mieszanin GaussaGaussowski proces półnadzorowanyPółnadzorowany gradient boostingPółnadzorowany HDBSCANPółnadzorowany Isolation ForestPółnadzorowane K-meansPółnadzorowany algorytm K-najbliższych sąsiadówUczenie ze wsparciem częściowymPółnadzorowany LightGBMRegresja liniowa z częściowym nadzoremLogistyczna regresja półnadzorowanaUczenie metryczne wspomagane częściowym nadzoremPółnadzorowany naiwny klasyfikator BayesaPółnadzorowany SVM Jednej KlasyPółnadzorowane uczenie onlinePółnadzorowany las losowyPółnadzorowany Zespół Stosowy (Semi-supervised Stacking Ensemble)Półnadzorowana maszyna wektorów nośnychUczenie transferowe częściowo nadzorowanePółnadzorowany Zespół GłosującyXGBoost z półnadzoremUczenie transferoweEnsemble głosujący
Ml-model 42
AdaBoostKlasteryzacja przez propagację powinowactwaBagging (agregacja bootstrapowa)BIRCHCatBoostDBSCANDrzewo decyzyjneElastic NetModel Gaussa (Gaussian Mixture Model)Uogólniony model addytywny (GAM)Gradient BoostingHDBSCANKlasteryzacja hierarchicznaIsolation ForestKlasteryzacja K-średnichK-Najbliższych SąsiadówPropagacja etykietRegresja LassoLightGBMLokalny Wskaźnik Wartości Odstających (Local Outlier Factor - LOF)Lokalnie Liniowe Osadzanie (LLE)Regresja lokalna LOESS / LOWESSWielowymiarowe adaptacyjne splajny regresyjne (MARS)Mean ShiftPerceptron wielowarstwowy (MLP)Naiwny Klasyfikator BayesowskiOPTICSRegresja z częściowymi najmniejszymi kwadratami (PLS)Analiza Głównych SkładowychRegresja z wykorzystaniem głównych składowych (PCR)Random ForestRegression SplinesRegularyzacja grzbietowa (Ridge Regression)SHAP (SHapley Additive exPlanations)Klastrowanie spektralneStackingStochastyczne spuszczanie gradientu (SGD)Maszyna wektorów nośnych (klasyfikacja)Regresja wektorów nośnycht-SNEUMAPXGBoost