Ын Анналин, Су Кеннет

часть выступает в роли обучающего набора данных, на 
основании которого создается прогностическая модель. 
Вторая часть служит тестовым набором данных, который 
используется для оценки точности модели.
Градиентный бустинг. Метод обучения с учителем, при 
котором строится множество деревьев решений путем 
использования различных комбинаций бинарных вопро-
сов для каждой ветви. Бинарные вопросы выбираются 
стратегически (а не случайно, как при использовании 
случайных лесов), в результате чего прогностическая точ-

---

190
Глоссарий
ность каждого дерева увеличивается. После этого пред-
сказания отдельных деревьев комбинируются, при этом 
прогнозы новых деревьев получают больший вес, и про-
цесс повторяется до получения итоговых результатов.
Градиентный спуск. Метод настройки параметров мо-
дели. При градиентном спуске делается первоначальное 
предположение о значении параметров, после чего на-
чинается итеративный процесс их применения ко всем 
элементам данных. В ходе этого процесса значения ме-
няются с целью максимального снижения погрешности 
прогнозирования.
График осыпи. График, позволяющий определить нужное 
число групп, в роли которых могут выступать, например, 
кластеры данных или число измерений при уменьшении 
размерности. Оптимальное число групп обычно опре-
деляется по расположению острого изгиба на графике. 
Большее количество групп может дать менее масштаби-
руемые результаты.
Дерево решений. Метод обучения с учителем, который 
строит прогноз путем формирования последовательности 
бинарных вопросов, постепенно разбивающих элементы 
данных на однородные группы. Деревья решений просты 
для визуализации и понимания, но подвержены переобу-
чению.
Исключение (дропаут). Метод, позволяющий избегать 
переобучения нейронной сети, при котором мы случай-
ным образом исключаем различные поднаборы нейро-
нов при каждой итерации обучения, вынуждая разные 

---

Глоссарий