机器学习 Maching Learning - 学习笔记 - 概括篇
此篇是概括总结,之后会更新每个模型的笔记。梳理一下这段时间学习的内容。
1 定义 What is Machine Learning
- Arthur Samuel(亚瑟塞缪尔):
the field of study that gives computers the ability to learn without being explicitly programmed.
当计算机在不被明确地编程情况下,赋予它学习能力的研究领域。 - Tom Mitchell (汤姆米切尔):
A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.
一个程序,用于通过经验E去学习完成任务T,且有评价该任务的度量标准P 。如果它完成任务T的表现P随着经验E而提高,则这个程序就是一种机器学习方法。
2 监督学习与非监督学习
常见的机器学习问题有监督学习(Supervised Learning)和非监督学习(Unsupervised Learning)。
(1)监督学习(supervised learning)
给定的样本集包含数据的标签,即已知需要预测的正确结果,训练时利用正确的标签去”监督“预测出的标签。
- 分类(classification):预测的输出为离散型。
- 回归(regression):预测的输出为连续型。
(2)非监督学习(unsupervised learning)
不用样本集数据的标签,通过数据的内在特征完成任务。
- 聚类(clustering):根据样本的特征,把样本集中的样本汇聚成n个簇,同一个簇内的样本相似,不同簇内的样本不相似。
- 降维(demension reduction):将高维数据降低维度。
机器学习 Maching Learning - 学习笔记 - 概括篇相关推荐
- Python3《机器学习实战》学习笔记(二):决策树基础篇之让我们从相亲说起
转载请注明作者和出处: http://blog.csdn.net/c406495762 运行平台: Windows Python版本: Python3.x IDE: Sublime text3 个人网 ...
- Python3《机器学习实战》学习笔记(八):支持向量机原理篇之手撕线性SVM
原 Python3<机器学习实战>学习笔记(八):支持向量机原理篇之手撕线性SVM 置顶 2017年09月23日 17:50:18 阅读数:12644 转载请注明作者和出处: https: ...
- Python3《机器学习实战》学习笔记(三):决策树实战篇
转载请注明作者和出处: http://blog.csdn.net/c406495762 运行平台: Windows Python版本: Python3.x IDE: Sublime text3 ...
- Python3《机器学习实战》学习笔记(三):决策树实战篇之为自己配个隐形眼镜
转载请注明作者和出处: http://blog.csdn.net/c406495762 运行平台: Windows Python版本: Python3.x IDE: Sublime text3 一 前 ...
- Python3《机器学习实战》学习笔记(五):朴素贝叶斯实战篇之新浪新闻分类
转载请注明作者和出处:http://blog.csdn.net/c406495762 Github代码获取:https://github.com/Jack-Cherish/Machine-Learni ...
- python predictabel_Python3《机器学习实战》学习笔记(三):决策树实战篇之为自己配个隐形眼镜...
) p1Vect = np.log(p1Num/p1Denom) #取对数,防止下溢出 p0Vect = np.log(p0Num/p0Denom) return p0Vect,p1Vect,pAbu ...
- 笔记 | 吴恩达Coursera Deep Learning学习笔记
向AI转型的程序员都关注了这个号☝☝☝ 作者:Lisa Song 微软总部云智能高级数据科学家,现居西雅图.具有多年机器学习和深度学习的应用经验,熟悉各种业务场景下机器学习和人工智能产品的需求分析.架 ...
- 台湾大学林轩田机器学习基石课程学习笔记13 -- Hazard of Overfitting
红色石头的个人网站:redstonewill.com 上节课我们主要介绍了非线性分类模型,通过非线性变换,将非线性模型映射到另一个空间,转换为线性模型,再来进行分类,分析了非线性变换可能会使计算复杂度 ...
- 《机器学习实战》学习笔记(三):决策树
欢迎关注WX公众号:[程序员管小亮] [机器学习]<机器学习实战>读书笔记及代码 总目录 https://blog.csdn.net/TeFuirnever/article/details ...
最新文章
- Java项目:生活旅行分享平台(java+Springboot+JPA+Jsp+Html+js+Ajax+maven+mysql)
- 错误:AttributeError: module 'enum' has no attribute 'IntFlag'
- ACE的接受器(Acceptor)和连接器(Connector):连接建立模式
- 本地Git关联远程Git时遇到的一些问题
- dw怎么修改html框架的宽度,Dreamweaver (dw)cs6中div标签宽度和高度设置方法
- 删除eclipse或者MyEclipse的workspace记录
- LeetCode-Letter Combinations of a Phone Number-电话号码字母组合-DFS
- leetcode python3 简单题104. Maximum Depth of Binary Tree
- php反序列化漏洞实验,PHP反序列化漏洞简介及相关技巧小结
- 以下内容为Stackoverflow上整理以作纪录
- 这些小工具让你的Android开发更高效
- 移除Kubeadm部署的kubernetes环境
- 梦幻星球社区APP源码 HYBBS的iApp社区源码
- 把烂土豆砸到古永锵的脸上
- 用 matplotlib 做交互式的票房分析
- 域名服务详解(域名解析流程和分类)
- STM32与威纶通触控屏通讯
- 最优化原理与方法之(一)开篇
- 推荐给大家的一款很不错的PHP文库管理系统(九鸟文库)-php 开源系统
- Acknowledgements致谢词