什么是机器学习？
 
在1959年，Arthur Samuel：不用编程去指定机器做什么，而是让机器有能力自己学习；
在1998年，Tom Mitchell：首先定义任务T，经验E，表现P，如果机器有一个任务T，随着经验E的增多，表现P也会变好，则表示机器正在经验E中学习；
以上就是对机器学习的两个定义；
机器学习在生活中也处处可见，比如：
(1)在gmail中，提供了一个“垃圾邮件”选项，可以通过机器学习辨别邮件是否为垃圾邮件，此处利用了分类算法；
如果我们根据Tom Mitchell的定义，则：
T：classify email as spam or not spam.
E：watching you label emails as spam or not spam.
P：The number of emails correctly classified as spam or not spam.
(2)ebay利用学习型算法判断某个信用卡是否被盗；
(3)“深蓝”下棋胜过国际象棋大师，是因为“深蓝”已经通过机器学习的方法学习了下棋的技术；
以上这些例子就是机器学习的常见案例；
机器学习的常见算法分为：
(1)Supervised Learning（监督学习）：下面的图片就是典型的监督学习的例子，监督学习分为Classifying和Regression，两者的区别后面解释，下图的文字明确地解释了监督学习的定义：
监督学习的例子：垃圾邮件的分类，这个在上面已经讲解过；
(2)Unsupervised Learning（非监督学习）：给定一组数据，这些数据从外表上来看没有什么差别，都落在了坐标轴上，我们的目标是从中找出结构，并将其分组，如下图，是聚类的例子，每个数据都是以原点的形式出现的，但是我们能够很清晰地将这些点分成两组（group into）：
非监督学习的例子：
  • google News中，会将一些新闻进行聚类（分组），即每个大类的新闻下面都会有多个URL，这些URL虽然来自不同的网站，但是都是这一类新闻，比如：
  • Market segmentation：将客户分组为几组，对每组客户进行不同的销售手段，如下图：

  • 两个人在话筒前面同时说话，录音后发现这两个人的声音会混杂在一起，但是如果通过非监督学习，则可以将这两个人的声音分离开来；
以上介绍了机器学习的常见分类（监督学习和非监督学习），并详细介绍了定义及应用；
刚才我们说到监督学习分为：
(1)分类；
(2)回归；
这两者有什么区别呢？
区别在于分类的output为离散的，而回归的output为连续的，这样讲可能比较抽象，比如上面的例子就是回归，因为output为price，虽然看起来price是离散的，但是他的值是可以无限制的，因此是连续的，而下图为分类的例子，因为output=恶性or良性，可能的取值就两个值，因此为回归；

 
以上说明了分类和回归的区别；

 
练习题

 
1.你现在在证券所上班，对于某个特定的股票A，希望根据以往的价格走势，来推算出明天的价格是多少，这算是分类问题还是回归问题？
答：属于回归问题，因为股票的价格是连续的，因此是回归问题；
2.我们给出4个问题：
  • 我们已经知道了这一堆是垃圾邮件，想要将这些垃圾邮件继续分子类；
  • 给定一个数据集，全是心脏病的病人，我们需要将他们分成不同的簇，对每个簇用不同的治疗方法；
  • 两个足球队要比赛，根据以往的数据，预测哪个队会赢；
  • 根据一个人的DNA，预测10年后得糖尿病的几率；
哪些是监督学习，哪些是非监督学习？
答：(1)和(2)是监督学习，(3)和(4)是非监督学习；

机器学习入门：机器学习概论相关推荐

  1. 机器学习入门-机器学习的不同类型

    机器学习指的是机器通过学习数据,得到技巧的过程.比如,现在需要让机器学习病人判断是否获病.我们可以从目标整体(population)所有人中抽出用以训练的样本(sample),把这些样本的病人.正常人 ...

  2. 机器学习-机器学习概论（入门机器学习基础知识）

    机器学习 简介 机器学习一词来源于Machine Learning的翻译,主要研究计算机模拟或者实现人类的行为,顾名思义,像学生一样,通过学习获取新的知识或者技能,完善自身的知识结构,并不断提升自己的 ...

  3. 机器学习入门资源不完全汇总

    机器学习入门资源不完全汇总 基本概念|入门攻略|课程资源|论坛网站|东拉西扯 2014-10-14版, 好东西传送门编辑整理, 原文链接 http://ml.memect.com/article/ma ...

  4. 机器学习入门资源--汇总

    机器学习入门资源--汇总 基本概念 机器学习 机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论.统计学.逼近论.凸分析.算法复杂度理论等多门学科.机器学习理论主要是设计和分析一些让计算机可以自 ...

  5. 《机器学习入门实战》第 01 篇 如何入门机器学习？

    文章目录 机器学习与数据挖掘 传统入门方法的问题 逆向学习方法 专栏内容介绍 目标人群 专栏章节 机器学习与数据挖掘 如果你是一个想要入门数据科学的初学者,首先需要面对的就是各种相关的名词和概念.例如 ...

  6. python 非线性回归_机器学习入门之菜鸟之路——机器学习之非线性回归个人理解及python实现...

    本文主要向大家介绍了机器学习入门之菜鸟之路--机器学习之非线性回归个人理解及python实现,通过具体的内容向大家展现,希望对大家学习机器学习入门有所帮助. 梯度下降:就是让数据顺着梯度最大的方向,也 ...

  7. 【机器学习入门】(13) 实战：心脏病预测，补充: ROC曲线、精确率--召回率曲线，附python完整代码和数据集

    各位同学好,经过前几章python机器学习的探索,想必大家对各种预测方法也有了一定的认识.今天我们来进行一次实战,心脏病病例预测,本文对一些基础方法就不进行详细解释,有疑问的同学可以看我前几篇机器学习 ...

  8. 【机器学习入门】(10) 特征工程：特征抽取，字典特征抽取、文本特征抽取，附完整python代码

    各位同学好,今天和大家介绍一下python机器学习中的特征工程.在将数据放入模型之前,需要对数据的一些特征进行特征抽取,方法有: (1) 字典特征抽取 DictVectorizer(),(2) 文本特 ...

  9. matlab 职坐标,机器学习入门之机器学习实战ByMatlab（四）二分K-means算法

    本文主要向大家介绍了机器学习入门之机器学习实战ByMatlab(四)二分K-means算法,通过具体的内容向大家展现,希望对大家学习机器学习入门有所帮助.前面我们在是实现K-means算法的时候,提到 ...

  10. 十年公务员转行IT，自学AI三年，他淬炼出746页机器学习入门笔记

    整理 | Jane 编辑 | Just 出品 | AI科技大本营(ID:rgznai100) 近期,梁劲传来该笔记重大更新的消息.<机器学习--从入门到放弃>这本笔记的更新没有停止,在基于 ...

最新文章

  1. 《未来架构师》的教学范例(1)
  2. JavaWeb学习之路——SSM框架之Spring(五)
  3. Nginx + Tomcat Windows下的负载均衡配置
  4. Java Annotaion认识
  5. 查看windows下指定的端口是否开放
  6. 【TensorFlow系列】【九】利用tf.py_func自定义算子
  7. Win10自定义开始菜单磁贴背景颜色及图标
  8. 无线网破解 跑字典 EWSA使用教程
  9. unity支持的模型数据格式,unity3d模型制作规范
  10. 历史类：四大文明古国
  11. Ardupilot环境搭建
  12. Openvino学习之openvino2022.1版安装配置
  13. 101页下载 机器学习、深度学习绘图模板.ppt
  14. 聚合物钽电容和普通钽电容的区别
  15. 关于PTA题目集1-3的总结
  16. json-server使用详解
  17. 【MATLAB-app】系列教程（含视频）第2课_实例：使用appdesigner 制作简单的计算器
  18. 通达OA外部邮件密码加密和解密的方式，可以参考用作其他
  19. #.数学函数3D图的绘制
  20. 三网话费、电费充值API接口文档、充值系统

热门文章

  1. C#透明窗体实现方法
  2. C++学习基础八——重载输入和输出操作符
  3. 兼容浏览器将NodeList对象转换为数组
  4. java field, property,variable及getField和getDeclaredField的区别
  5. 1700 Crossing River
  6. 算法导论-排序（四）计数排序（线性时间排序）
  7. 基于C#在WinCE6.0系统SQLCE3.5的安装开发使用
  8. （未写）tyvj-1333- Coder Space的邀请
  9. 2015年第六届蓝桥杯 - 省赛 - C/C++大学B组 - C. 三羊献端
  10. 大数据WEB阶段 shiro安全控制框架