机器学习(浙大胡浩基)
机器学习
- 定义
- 分类
- 算法过程
定义
Arthur Samuel:机器学习是这样的领域,它赋予计算机学习的能力,这种学习能力不是通过显著式编程来获得的。
显著式编程:人为设定规律的编程方法(定死了输入和输出)。
非显著式编程:让计算机自己总结规律的编程方法。
Tom Mitshell:一个计算机程序被称为可以学习,是指它能够针对某个任务T和某个性能指标P,从经验M中学习。这种学习的特点是,它在T上的被P所衡量的性能,会随着经验E的增加而提高。
举个例子:识别菊花和玫瑰
任务T:识别菊花和玫瑰花。
经验E:一些菊花和玫瑰花的图片,也叫做训练样本。
性能指标P:识别率,即识别的正确率。
四个任务:
1.下棋
2.垃圾邮件识别
3.人脸识别
4.无人驾驶
分类
按照任务是否和环境产生交互可以分为监督学习和强化学习。
一、监督学习:输入计算机训练数据同时加上标签的机器学习
1.首先是按照驯良数据是否有标签分为三类
- 传统的监督学习:每一个训练数据都有对应的标签
- 支持向量机
- 人工神经网络
- 深度神经网络
- 非监督学习:所有训练数据都没有对应的标签
- 聚类
- EM算法
- 主成分分析
- 半监督学习:训练数据中一部分有标签,一部分没有标签
2.还可以按照标签连续与离散,将监督学习分为分类问题和回归问题两种。
二、强化学习:计算机通过与环境的互动强化自己的行为模式
算法过程
机器学习的重点,不是研究如何提取特征,而是在假设已经提取好特征的前提下,如何设计更好的算法来提高学习系统的性能。
没有免费午餐定理:任何一个预测函数,如果在一些训练样本上表现好,那么必然在一些训练样本上表现不好。如果不对数据在特征空间的先验分布上有一定的假设,那么表现好与表现不好的情况一样多(即没有任何情况下都最好的机器学习算法)。
机器学习(浙大胡浩基)相关推荐
- 浙江大学机器学习(胡浩基)课程学习笔记一:概述与支持向量机
一.基本概念 1.1 机器学习 机器学习:采用非显著式编程(不一步一步定义操作步骤的编程方式)的方式赋予计算机学习能力. 机器学习:一个计算机程序被称为可以学习,是指它能够针对某个任务T和某个性能指标 ...
- 浙江大学机器学习(胡浩基)学习笔记二:人工神经网络、深度学习
一.人工神经网络 1.1 概念 仿生学: 人工智能模拟的是人类大脑对世界的认识.研究大脑认知机理,总结大脑处理信息的方式是实现人工智能的先决条件. 数理学派: 在现在及可预见的未来,人类无法完全了解人 ...
- 中国大学MOOC胡浩基的机器学习第二章(支持向量机)兵王问题python版本——在python上初步使用libsvm
在中国大学MOOC上看了胡浩基的机器学习课程,完全面向入门人群感觉挺好.其中有关原理的部分讲的很细.(虽然有几个细节我还是没懂.......)其中在第二章的例题兵王问题中课程只给了MATLAB的版本. ...
- 胡浩基人工神经网络(一)
时隔4个月重回101,这两天把神经网络又往下看了一点,不得不说自己数学基础太差了啊,好多证明看了两遍还不会(不是) 期中成绩也七七八八出来了,编译原理有点出乎意料的低 一些知识点整理 一个最简单的神经 ...
- 胡浩:人人能学的AI《从零开始机器学习》苏州.NET俱乐部课程分享
[课程名称] <从零开始机器学XI> [老师介绍] 胡浩,微软最有价值专家(MVP,十余届多方向),微软技术大会讲师.云.数据中心基础架构.全栈虚拟化.企业移动管理等领域的架构师及顾问.A ...
- 【Azure Show】|第三期 人工智能大咖与您分享!嘉宾陈海平胡浩陈堰平
欢迎来到Azure Show! Azure Show Hello,大家好,又来到新的一期的Azure Show!本期是人工智能专场,我们邀请到微软Data&AI的解决方案架构师陈堰平,Tens ...
- 这是我的故事 —— 胡浩
作者:胡浩 校对/文章优化:刘轶民 视频地址:https://www.bilibili.com/video/BV185411J7mW 前言 先简单做一个自我介绍,我叫胡浩.虽然偶尔写简单的代码,但坦白 ...
- 对话胡浩:京东智慧供应链如何支撑高峰618
1. 胡浩是京东供应链负责人,他从加入京东伊始,便主张逐步搭建起京东自有智能供应链体系.可惜,这一理念最初面临重重阻碍. "比如你本来是做采购工作的,一旦运作其起智能补货系统,人力的价值就会 ...
- MIT透过机器学习技术用胺基酸预测蛋白质结构
来自麻省理工学院的研究团队近来透过机器学习技术,打造利用胺基酸链段预测蛋白质结构的模型,也就是能够理解个别胺基酸链段如何决定蛋白质功能,对于生物相关研究.药物开发.蛋白质设计和测试都是一大进展,未来, ...
最新文章
- JSON字符串 拼接与解析
- mysql索引之间的区别
- 用OleDb写的一个导出Excel的方法
- cachestat、cachetop、pcstat-linux系统缓存命中率分析工具
- 使用NUnit进行DotNet程序测试
- python机器学习库keras——AutoEncoder自编码、特征压缩
- 【设计模式】Iterator设计作业-设计LinkedList的iterator
- vue每次请求加头部(shiro+vue)
- android studio 应用全屏页,Android开发之设置应用设置全屏的两种解决方法 兼容android5.0等两种解决方法...
- 还原卡及还原精灵的破解
- 一款不错的图片自动向上翻滚的代码
- vmware使用教程
- 王明道牧师《写给青年基督徒的一封信》
- 修真院教学模式四大体系之学习方法篇
- django中的models的常用字段及属性
- Java实现 LeetCode 756 金字塔转换矩阵(DFS)
- ARM服务器和ARM集群服务器的区别
- 11.21 权利的游戏 冰与火之歌
- 【微机原理与汇编】冒泡排序
- SQL学习笔记(三): 视图与一些复杂查询(虽复杂但常用)
热门文章
- matlab构建信道模型channel model, Rayleigh channel (NLoS), Rician channel (LoS)
- 渗透测试面试问题集合(转载自己看,链接在开头)
- Webpack 实战入门系列(三):生产配置、样式文件分离及输出清理
- 网站资源文件下载不了怎么办?一个方法教你如何轻松扒下
- java校园快递代领系统 小程序
- 互联网思维——简约思维
- 一次变天之后的踏春之旅
- .NET开发资料 dotnet 学习的站点
- 一步一步SEO 之 网站内容SEO
- matlab复数方程的根,matlab解超越方程的复数根