1 机器学习世界的数据

１.数据
数据整体叫数据集（data set）
每一行数据称为一个样本（sample）
除最后一列，每一列表达样本的一个特征（eature）
最后一列，称为标记（label）
第ｉ个样本行写作X⁽ⁱ⁾，第ｉ个样本第ｊ个特征值写作X_ｊ⁽ⁱ⁾，第ｉ个样本的标记写作ｙ⁽ⁱ⁾

2 机器学习的主要任务

机器学习的基本任务：
·分类
·回归

分类任务：二分类；多分类；多标签分类
回归任务
·结果是一个连续数字的值，而非一个类别
·如：房屋价格·市场分析·学生成绩·股票价格
·有一些算法只能解决回归问题
·有一些算法只能解决分类问题
·有一些算法的思路既能解决回归问题，又能解决分类问题

什么是机器学习

3 监督学习，非监督学习，半监督学习和增强学习

机器学习方法的分类
·监督学习
·非监督学习
·半监督学习
·增强学习

监督学习：
给机器的训练数据拥有“标记”或者“答案”
我们学习的大部分算法，属于监督学习算法：
·k近邻
·线性回归和多项式回归
·逻辑回归
·SVM
·决策树和随机森林

非监督学习
给机器的训练数据没有任何“标记”或者“答案”
非监督学习的意义
１对没有“标记”的数据进行分类-聚类分析
２对数据进行降维处理
·特征提取：信用卡的信用评级和人的胖瘦无关？
·特征压缩：PCA
降维处理的意义：方便可视化
３异常检测

半监督学习
一部分数据有“标记”或者“答案”，另一部分数据没有。
更常见：各种原因产生的标记缺失
通常都先使用无监督学习手段对数据做处理，之后使用监督学习手段做模型的训练和预测。

4 批量学习，在线学习，参数学习和非参数学习

机器学习的其他分类：
在线学习和批量学习（离线学习）
参数学习和非参数学习

批量学习

·优点：简单
·问题：如何适应环境变化？解决方案：定时重新批量学习
·缺点：每次重新批量学习，运算量巨大；在某些环境变化非常快的情况下，甚至不可能的。

在线学习

·优点：及时反映新的环境变化
·问题：新的数据带来不好的变化？解决方案：需要加强对数据进行监控
·其他：也适用于数据量巨大，完全无法批量学习的环境。

参数学习
一旦学到了参数，就不再需要原有的数据集

非参数学习
·不对模型进行过多假设
·非参数不等于没参数

机器学习--基础算法--机器学习基础相关推荐

java程序员基础算法_java基础算法
冒泡排序图解编码实现 public class Sort { public static void main(String[] args) { //通过冒泡排序给当前的数字进行排序(升序) int ...
《白话机器学习的数学》基础知识梳理基于python的代码实现
写在前面这本书很适合我这个机器学习小白,从数学基础开始,用自己的话凝练总结,慢慢整理.未经授权,禁止转载!如需转载,请与我联系. 第一章:开始机器学习初识机器学习的基础理论和算法并不是新出现的, ...
机器学习初学者手抄本：数学基础、机器学习经典算法、统计学习方法等
机器学习怎么学?当然是系统地学习了.没有时间这么办呢?利用碎片时间学习!很多人一天要花 2 个小时通勤,通勤路上有很多时间看手机.于是我把一些机器学习的基础知识做成了在线的机器学习手册,只需打开微信收 ...
数学基础、机器学习经典算法、统计学习方法，这份机器学习在线手册来帮你...
机器学习怎么学?当然是系统地学习了.没有时间这么办呢?利用碎片时间学习!很多人一天要花 2 个小时通勤,通勤路上有很多时间看手机.于是我把一些机器学习的基础知识做成了在线的机器学习手册,只需打开微信收 ...
机器学习-SVM算法
机器学习-基础知识机器学习-线性回归机器学习-逻辑回归机器学习-聚类算法机器学习-决策树算法机器学习-集成算法机器学习-SVM算法文章目录支持向量机 1. 间隔与支持向量 1.1. 点 ...
【机器学习基础】机器学习算法中分类知识总结！
译者:张峰,Datawhale成员本文将介绍机器学习算法中非常重要的知识-分类(classification),即找一个函数判断输入数据所属的类别,可以是二类别问题(是/不是),也可以是多类别问题( ...
【机器学习入门】机器学习基础核心算法：贝叶斯分类！(附西瓜书案例及代码实现)...
Datawhale 作者:尹晓丹,Datawhale优秀学习者寄语:首先,简单介绍了生成模型和判别模型,对条件概率.先验概率和后验概率进行了总结:其次,对朴素贝叶斯的原理及公式推导做了详细解读:再次 ...
机器学习算法的基础知识
机器学习算法的基础知识 1.评估指标 2.偏差与方差(过拟合与欠拟合) 3.正则化(解决过拟合) 4.梯度下降算法(算法优化方式) 5.数据不平衡 1.评估指标预测值 0 1 实际 0 TN FP ...
【机器学习】十大机器学习基础算法
十大机器学习算法入门近年来,机器学习与人工智能已广泛应用于学术与工程,比如数据挖掘.计算机视觉.自然语言处理.生物特征识别.搜索引擎.医学诊断.检测信用卡欺诈.证券市场分析.DNA序列测序.语音和手 ...

机器学习--基础算法--机器学习基础

1 机器学习世界的数据

2 机器学习的主要任务

3 监督学习，非监督学习，半监督学习和增强学习

4 批量学习，在线学习，参数学习和非参数学习

机器学习--基础算法--机器学习基础相关推荐

最新文章

热门文章