Я. Гудфеллоу, И. Бенджио, А. Курвилль

98 

 
Основы машинного обучения 
распознавать лица (Taigman et al., 2014). Это можно использовать для автома-
тической пометки людей в коллекциях фотографий и для организации более 
естественного взаимодействия компьютера с пользователями.
 

Классификация при отсутствии некоторых данных.
Классификация ослож-
няется, если нет гарантии, что программа получает во входном векторе ре-
зультаты всех измерений. Чтобы решить задачу классификации, алгоритм 
обучения должен определить всего одну функцию, отображающую входной 
вектор на код категории. Но если часть входных данных отсутствует, то алго-
ритм должен обучить набор функций. Каждая функция соответствует класси-
фикации 
x
в условиях, когда отсутствуют различные подмножества данных. 
Один из способов эффективно определить такое большое множество функ-
ций – обучить распределение вероятности всех релевантных величин, а за-
тем решать задачу классификации, вычисляя маргинальные распределения 
отсутствующих величин. Если на вход подается 
n
величин, то существует 2
n
различных функций классификации для каждого возможного набора отсут-
ствующих данных, однако программе нужно обучить только одну функцию, 
описывающую совместное распределение вероятности. Пример глубокой ве-
роятностной модели, применимой к такой задаче, приведен в работе Goodfel-
low et al. (2013b). Многие другие задачи, описанные в этом разделе, также 
допускают обобщение на случай отсутствующих данных; классификация при 
отсутствии некоторых данных – лишь один пример того, на что способно ма-
шинное обучение.
 

Регрессия.
В этой задаче программа должна предсказать числовое значение по 
входным данным. Для ее решения алгоритм обучения просят породить функ-
цию 
f
: 
ℝ
n
⟶
ℝ
. Регрессия отличается классификации форматом выхода. При-
мером может служить прогнозирование суммы претензии, на которую будет 
претендовать застрахованный (это нужно для определения размера страховой 
премии), или прогнозирование будущей стоимости ценных бумаг. Такого рода 
прогнозы применяются также в алгоритмическом трейдинге.