加州理工学院公开课：机器学习与数据挖掘

机器学习的本质：

1、存在一个模型 ---- 由一个假设集和相应的算法进行描述

2、数学方法不可解

3、存在数据

目标函数：F，假设：G，假设集：H

机器学习的目标就是根据数据集，利用各种学习方法，从 H 中找到一个最优化的函数G（最接近 F 的函数，当然 F 未知，只知道一系列的数据，因此得出的G 只是一个假设）

如何判断最优化的函数G ？如果 G 能够很好地拟合历史数据，则认为G是最好的。

对于线性可分的问题，可以通过一个向量公式不断迭代求解（感知器模型），h(X) = WX，最总求解出的 W 就是该模型的参数，但对于非线性可分的问题，必须进行处理，比如用口袋算法使问题线性可分，否则迭代可能得不出最优解，即找不到一个合适的参数能够拟合所有的输入

学习方法分三类：

1、有监督的：有训练过程，有确定的输出，比如：分类算法。

1、无监督的：有训练过程，没有确定的输出，比如：聚类算法。

3、加强学习：有训练过程，对输出结果进行打分，通过反馈学习的方法进行参数的驯良，比如：神经网络。

有时候无监督的更能给我们更多的想象空间，从而学习出更有趣的、未知的知识

加州理工学院公开课：机器学习与数据挖掘_学习问题（第一课）相关推荐

加州理工学院公开课：机器学习与数据挖掘_过拟化
转载自:http://blog.csdn.net/feitianhu213/article/details/40872225 课程简介本节课主要介绍了关于机器学习中的过拟化问题.作者指出,区别一个专 ...
加州理工学院公开课：机器学习与数据挖掘_神经网络
转载自:http://blog.csdn.net/feitianhu213/article/details/39899463 课程简介: 本节课主要介绍人工神经网络.通过介绍评定模型,随机梯度下降法, ...
麻省理工公开课《算法导论》学习笔记:第一讲
主题:简介课程,渐近概念的大局观,插入排序和归并排序,递归式函数时间分析(递归树方法) 教材:<算法导论> 收获:很感动地看到算法分析那个log(n)是为什么出现了,更深层还要听第二讲,若 ...
Python语言程序设计之urllib.request抓取页面，网易公开课之《麻省理工学院公开课：算法导论》
Python语言用urllib.request模块抓取页面非常简单,再将抓取的页面内容用re模块解析,找出自己想要的东西.下面就就此方法来抓取网易公开课之<麻省理工学院公开课:算法导论>, ...
【斯坦福公开课-机器学习】1.机器学习的动机和应用（吴恩达 Andrew Ng）
文章目录 0三个目标 0先修课程要求基本工具 1-网址 2-邮箱 3-本系列课程链接 1机器学习的定义 1-1非正式定义 1-2正式的定义 2监督学习(Supervised Learning) 2- ...
HTML4基本编译原理,Stanford公开课《编译原理》学习笔记(1~4课)
课程里涉及到的内容讲的还是很清楚的,但个别地方有点脱节,任何看不懂卡住的地方,请自行查阅经典著作<Compilers--priciples, Techniques and Tools>(也 ...
免费公开课 | 机器学习的第二次入门
机器学习第二次入门 AI科技大本营在线公开课第15期主题:机器学习第二次入门时间:9月6日 20:00-21:00 扫码添加小助手,备注:机器学习,邀你入群入群福利:讲师交流+PPT分享+抽奖送 ...
网易公开课python爬取_用python打造网易公开课视频下载软件
1 #coding:utf-8 2 import urllib 3 from bs4 import BeautifulSoup 4 import chardet 5 import os 6 impor ...
两日公开课：伯克利深度强化学习训练营 | 视频+PPT
千平发自凹非寺量子位出品 | 公众号 QbitAI 又有新公开课放出~ 加州大学伯克利分校的Pieter Abbeel教授,最近联合他的两位博士生Yan (Rocky) Duan.Xi (Pe ...
Stanford公开课《编译原理》学习笔记（2）递归下降法
[摘要] javascript实现递归下降语法解析示例代码托管在:http://www.github.com/dashnowords/blogs B站地址:[编译原理] Stanford公开课:[S ...

加州理工学院公开课：机器学习与数据挖掘_学习问题（第一课）

加州理工学院公开课：机器学习与数据挖掘_学习问题（第一课）相关推荐

最新文章

热门文章