Вестник науки и образования

ВЕСТНИК НАУКИ И ОБРАЗОВАНИЯ № 1(55). Часть 2. 2019. █ 24 █
Методы и алгоритмы машинного обучения позволяют решить задачи различной 
направленности. Среди таких методов можно выделить следующие: 

задача классификации; 

задача регрессии; 

задача ассоциации; 

задача кластеризации; 

последовательные шаблоны; 

анализ отклонений. 
Перечисленные задачи, делятся по назначению на предсказательные и описательные. 
Описательные помогают повысить качество понимания анализируемых данных. Решение 
предсказательных задач разделяется на два этапа. На первом этапе строится модель по 
полученному набору данных с имеющимся результатом. На втором этапе модель 
реализует предсказание результатов по полученным данным.
Способы машинного обучения 
Задачи, решаемые при помощи методов и алгоритмов машинного обучения, 
разделяются на 2 класса: 

обучение с учителем; 

обучение без учителя. 
В случае обучения с учителем, задача анализа данных, решается следующим 
образом. В первую очередь с помощью выбранного метода Data Mi i g строится 
классификатор (модель анализируемых данных), после чего подвергается обучению. 
Проверяется качество его работы и, в случае если оно неудовлетворительно, 
происходит последующее дополнительное обучение классификатора. Данные 
действия повторяются пока не будет достигнуто требуемое качество или не станет 
понятно, что выбранный алгоритм работает корректно с данными. К данному типу 
относят задачи регрессии и классификации.
Обучение без учителя объединяет, к примеру, такие задачи, как нахождение 
закономерностей в покупках, совершаемых покупателями некого магазина. Если 
закономерности есть, то модель должна ее отобразить. Достоинством такого подхода 
является возможность решения задач без знаний об анализируемых данных.