ML基石_3_TypesOfLearning
- Different Output Space
- 二分类问题
- 多分类问题
- 回归问题
- 结构学习
- 总结
- Different Data Label
- 监督学习
- 非监督学习
- semi-supervised
- reinforcement learning
- 总结
- DIfferent protocal
- batch learning
- online learning
- active learning
- 总结
- Different Input Space
- concrete features
- raw features
- abstract features
- 总结
- 总结
Different Output Space
二分类问题
PLA A takes linear separable D and perceptrons H to get hypothesis g to approximate f.
做出各种不同的线,用PLA算法去找到最好的线。
多分类问题
回归问题
结构学习
y = structures.
好像一个很大的多分类问题。
从数据中学习潜在的结构。
比如自然语言处理中,每个单词的词性组合很复杂几乎无穷,但是其中肯定是有某些结构的,你总不可能连续5个动词吧。
总结
Different Data Label
监督学习
非监督学习
非监督式,目标比较分散,也很难评估演算法的好坏。
semi-supervised
reinforcement learning
通过惩罚或者奖励促使学习。
总结
DIfferent protocal
batch learning
online learning
active learning
前两种方式都是被动学习,是否可以让机器问问题,主动学习。
例如:我有这个输入,输出是多少。
手写识别中,生成一个字,那么到底是什么呢?
有点像online一轮一轮问,如果有技巧问,那么可能通过很少的问问题就可以解决问题。
通常用在标资料很贵的场合
与semi-supervised learning相像。
总结
Different Input Space
concrete features
把人类的专业知识喂给机器。
raw features
越抽象对机器越困难。
人如果帮机器做,叫做feature engineering
机器自己做,有deep learning
abstract features
需要抽取个人还有歌曲的特征,特征人想的或者机器学到的。
总结
总结
ML基石_3_TypesOfLearning相关推荐
- ML基石_1_LearningProblem
课程逻辑 学习与机器学习 机器学习的适用 机器学习概图 课程逻辑 本系列文章属于台湾大学<机器学习基石>的笔记. 该课程主要包括以下四个部分 1. When can machine lea ...
- ML基石_14_Regularization
知识脉络 模型太复杂容易造成过拟合,因此让模型从复杂的慢慢的变简单. step back matrix form lagrange multiplier augmented error other v ...
- ML基石_11_HazardOfOverfitting
学习曲线来说,当数据量N很小的时候,large generation会造成很大的Eout. 造成overfit的主要有四种因素: 1. 资料量不够 2. stochastic noise太多 3. 目 ...
- ML基石_12_NonLinearTransformation
retro quadratic hypothesis nonlinear transform price on nonlinear transform structured hypothesis se ...
- ML基石_LinearModelsForClassfication
retro start linear models for 01 classification 回顾线性模型 误差函数分析 解决步骤 stochastic gradient descent 概述 PL ...
- ML基石_10_LogisticRegression
logistic regression problem Y是概率的情况 相同数据不同目标函数 logis假设集 logistic regression error error already styd ...
- ML基石_9_LinearRegression
linear regression problem linear regression algorithm 优化问题 求梯度 算法 generalization issue 是否学到了东西 上限保证 ...
- ML基石_8_NoiseAndError
recap Noise and Probabilistic Target noise来源 Probabilistic Target Error Measure Algorithmic Error Me ...
- ML基石_56_TheoryOfGeneralization
RECAP SOLUTION m增长速度受限 将m带回原式中的M 例子 总结 RECAP 机器学习是可行的,如果假设集H是有限的并且统计样本数据(statistical data)很大. 那么,问题来 ...
最新文章
- php opcache 坑,PHP7 opcache缓存清理问题
- ccs matlab联调,MATLAB与CCS联调中idelink_ert_tlc和ert_tlc选择
- ubuntu下安装并配置VIM编辑器
- 哈夫曼编解码(C语言)
- 添加aspnet_isapi.dll的映射时“确定”按钮不可用的解决方案
- 如何将云持久存储添加到JBoss Cool Store
- 即时通讯开发(逐行、隔行扫描)
- .html好 还是.asp好,各位说说在ASP.net里 用静态函数的好 还是实例函数出处HTML好???...
- 图的单源最短路径(Dijkstra算法)
- redis 首次请求_Redis主从复制
- 离散数学期末复习概念_复习第1部分中的基本概念
- sql分别对两列数据求和以不同的条件_利用数组与字典,实现双条件数据汇总的方法...
- 复旦大学计算机学院邱锡鹏,复旦大学邱锡鹏教授为我院师生做学术报告
- element-ui 引用阿里云矢量图不显示图标,显示的为小方框
- 安装使用TortoiseSVN + google code
- 4个很 丝滑 的 Veu 路由过渡动效
- html ol标签用罗马数字,HTML重点标签总结
- java 开发 cms_10 个最受欢迎的 Java 开发的 CMS 系统
- 如何搭建一个属于自己的网站
- vgp虚拟路面_吉水县道路运输展示价格实惠
热门文章
- python 黑白tif提取边界像素坐标_OpenCV GrabCut算法:前景分割和提取
- diff算法_React源码揭秘(三):Diff算法详解
- DINO:目标检测benchmark COCO屠榜的正确姿势
- 三维重建缺数据集?来看看Facebook最新发布的CO3D
- OneShot LiDAR Global Localization:基于单帧激光点云和视觉增强的全局定位方法
- 1000人证明过的3D视觉系统学习教程
- CentOS 7 源码编译安装 PostgreSQL 11.2
- eve战巡族伤害_新版本各族3级战巡资料【纯手打】
- MPB:山大倪金凤组-白蚁肠道木质纤维素降解细菌的分离与培养
- “破五唯”之后,竟然立这个!