Sanasto

Monte Carlo -menetelmät

Mikä on Monte Carlo -menetelmät?

Monte Carlo -menetelmät ovat laskentatekniikoita, jotka käyttävät erittäin suurta määrää satunnaisotoksia sellaisten tulosten approksimointiin, joita on vaikea laskea analyyttisesti. Järjestelmää simuloidaan tuhansia kertoja satunnaisesti vaihdelluin oletuksin, ja tulosten jakaumaa analysoidaan. Organisaatiot käyttävät menetelmiä riskianalyysiin, projektien aikataulutukseen tai salkkujen arvostukseen. Tekoälyssä menetelmiä käytetään muun muassa vahvistusoppimisessa ja pelien puuhaussa.

Aiheet

simulaatio
tilastotiede
riskianalyysi

Kokeile KI.ordoa

Agentit, työnkulut ja mallit yhdessä työtilassa – maksuton 24 tunnin demo.

Aloita demo

← Kaikki termit

Liittyvät termit

Bayesilaiset verkot

Bayesilaiset verkot ovat graafisia malleja, jotka esittävät muuttujat solmuina ja niiden todennäköisyysriippuvuudet suunnattuina nuolina. Bayesin kaavan avulla ne näyttävät, miten uudet havainnot muuttavat muiden tapahtumien todennäköisyyttä. Esimerkki on diagnostinen tuki: todennäköisimmän syyn arvioiminen havaittujen oireiden perusteella. Niiden vahvuuksia ovat läpinäkyvyys ja kyky käsitellä epävarmaa tai puutteellista dataa.

Todennäköisyys
Graafiset mallit
+1

Vahvistusoppiminen (RL)

Vahvistusoppiminen on koneoppimisen osa-alue, jossa agentti oppii yrityksen ja erehdyksen kautta. Se toimii ympäristössä, saa palkkioita hyvistä tuloksista ja rangaistuksia huonoista ja kehittää näin strategian, joka maksimoi sen kokonaispalkkion. Tunnettuja esimerkkejä ovat ohjelmat, jotka hallitsevat lautapelejä, kuten gon, robottien ohjaus ja kielimallien hienosäätö ihmisten arvioiden perusteella.

oppimismenetelmä
palkkio
+1

Ennustemallinnus

Ennustemallinnus on ennakoivan analytiikan tekninen ydin: esimerkkidatasta, jonka lopputulokset tunnetaan, rakennetaan malli, joka ennustaa uusille tapauksille arvon tai luokan. Yleisiä menetelmiä ovat regressio, päätöspuut, satunnaismetsät ja neuroverkot. Malli voi esimerkiksi arvioida kiinteistön hinnan pinta-alan, sijainnin ja rakennusvuoden perusteella. Ennen käyttöönottoa se testataan pidätetyllä datalla ylisovittumisen havaitsemiseksi.

mallinnus
ennuste
+1

Piilotettu Markovin malli (HMM)

Piilotettu Markovin malli (HMM) on tilastollinen malli jonoille, joissa varsinaiset tilat ovat piilossa ja ne voidaan päätellä vain havaittavista signaaleista. Se kuvaa todennäköisyyttä, jolla yksi tila seuraa toista ja jolla kukin tila tuottaa tietyn havainnon. HMM-mallit olivat pitkään puheentunnistuksen ja sanaluokkamerkinnän vakiomenetelmä; nykyään niitä käytetään yhä esimerkiksi bioinformatiikassa ja aikasarja-analyysissä.

Tilastotiede
Sekvenssimallit
+1