Ын Анналин, Су Кеннет

191
комбинации нейронов к взаимодействию, что позволяет 
обнаружить больше признаков.
Классификация. Класс методов обучения с учителем, 
при которых предсказываются бинарные или категори-
альные переменные.
Корень из среднеквадратичной ошибки. Метрика, оце-
нивающая точность регрессии. Она особенно полезна 
в случаях, когда важно избежать больших ошибок. Каж-
дая из них возводится в квадрат, что усиливает значение 
больших ошибок и делает метрику крайне чувствитель-
ной к резко отклоняющимся значениям.
Корреляция. Метрика, измеряющая линейную ассо-
циацию двух переменных. Коэффициенты корреляции 
варьируются от 
−1 до 1 и несут две единицы информации: 
а) силу ассоциации, которая максимальна при 
−1 и 1 
и минимальна при 0, а также б) направление ассоциации, 
при котором число положительное, если переменные воз-
растают в одном направлении, и отрицательное — если 
в противоположных.
Кросс-валидация. Метод максимизации доступных для 
валидации данных путем разбиения набора данных на 
несколько сегментов, которые поочередно используются 
для проверки модели. За одну итерацию все сегменты, 
кроме одного, используются для обучения прогности-
ческой модели, которая затем проверяется на пропу-
щенном сегменте. Этот процесс повторяется до тех пор, 
пока каждый сегмент не будет использован в качестве 
проверочного один раз. За итоговую оценку точности 

---

192
Глоссарий
прогностической модели берется средний показатель за 
все проходы цикла.
Линия наилучшего соответствия. Линия тренда, кото-
рый проходит близко к максимальному числу элементов 
данных.
Лувенский метод. Метод обучения без учителя, который 
идентифицирует кластеры в сети путем максимизации 
числа внутрикластерных связей и минимизации связей 
межкластерных.