Надмірна складність алгоритму

Схильність до пошуку нелінійних залежностей

Нездатність працювати з текстовими даними

Припущення про незалежність ознак, яке часто не виконується

Він завжди використовує евклідову відстань між точками

Він спершу будує дерево рішень

Він припускає незалежність ознак одна від одної

Він спирається виключно на логістичну функцію

Вона рахується лише для кластеризації

Вона не підходить для даних із пропущеними значеннями

Вона може бути оманливо високою при незбалансованих класах

Вона ігнорує невірні передбачення в обох класах

Максимальна відстань між двома точками

Конкретне числове передбачення (наприклад, ціна)

Кластер, до якого належить об’єкт

Імовірність належності до певного класу

Функція втрат

Метод активації

Контекст, у якому не обчислюються градієнти

Оптимізатор

Висока точність

Зниження втрат

Співпадіння виходу з цільовим зразком

Збіг значення softmax

softmax

ReLU

sigmoid

tanh

PyTorch

Neurolab

Keras

TensorFlow

Три

Дві

Чотири

Одна

Кількість класів

Максимальна кількість прикладів

Розмір словника

Середня кількість символів у тексті