MachineLearning
2016-08-23 15:03:23 0 举报
AI智能生成
Machine Learning是一种人工智能(AI)技术,它使计算机系统能够从数据中学习并自动改进其性能。通过使用大量数据和算法,机器学习模型可以识别模式、做出预测和做出决策,而无需人为编程。这种技术广泛应用于各种领域,如自然语言处理、计算机视觉、语音识别、推荐系统等。机器学习的主要类型包括监督学习、无监督学习和强化学习。监督学习涉及使用带有标签的数据来训练模型,使其能够对新数据进行分类或预测。无监督学习则涉及在没有标签的情况下寻找数据中的模式和结构。强化学习是一种让模型通过与环境互动来学习最佳策略的方法。总之,机器学习为解决复杂问题和提高自动化水平提供了强大的工具。
作者其他创作
大纲/内容
定义
归纳generalize
根据过去的经验为未来做决策
一个程序在完成任务T后获得了经验E,其表现为效果P,如果它完成任务T的效果是P ,那么会获得经验E
监督学习supervised learning
从成对的已经标记好的输入和输出经验数据作为一个输入进行学习,用来预测输出结果
分类classification
预测结果是离散变量
回归regression
预测结果是连续变量
观测值集合
训练集
测试集
用一些度量标准评估模型运行效果
验证集
调参
拟合
平衡记忆能力和归纳能力
过度拟合
正则化regularization 减轻过度拟合
拟合不够
效果评估
偏差bias
与真实结果的距离
方差variance
预测结果的分散程度
偏差-方差均衡
背反特性
线性回归
一元线性回归
多元线性回归
多项式线性回归
逻辑回归logistic regression
子主题
Support Vector Machines(SVM)支持向量机
Sequential Minimal Optimization (SMO)序列最小优化
无监督学习unsupervised learning
不能从已经标记好的数据中学习,它需要在数据中发现一些规律,分组
聚类clustering
通过一些相似性度量方法把一些观测值分为同一类
降维dimensionality reduction
剔除无关解释变量,发现对响应变量影响大的解释变量
评估数据结构的一些属性
准确率accuracy
精确率precision
召回率recall
半监督学习Reinforcement Learning
分支主题
0 条评论
下一页