自学深度学习 (一)机器学习基础1
深度学习是机器学习的一个特定分支。在学习前要有机器学习的深刻理解,以及数学基础的把握(线性代数、概率论、信息论、高等数学等)。
欲练神功,必先...打牢基础。让我们一起夯实一下机器学习!
说白了,机器学习就是让机器能学习。科学家们就想人是咋学习的呢?人就是从大量的经验中学习的,举个例子:你和女朋友聊天(没有女朋友请脑补),女朋友掏出手机给你看了某宝的购物车,里面充斥着琳琅满目的口红,告诉你“亲爱的,你看这都是我最喜欢的口红”,你当时并没在意,于是你在情人节当天随便买了一个口红踩了雷,买了个她认为最low的口红。就在520情人节当天你挨了一个大耳刮子,独自一人在大床房度过了一晚。经过这一晚的思想斗争,终于你下定决心要学习一下口红文化,于是你偷偷截屏了女朋友的购物车发给了自己。你发现是这样的:
你经过细细思索,你发现,女友可能最喜欢的牌子是阿尼玛,喜欢的色号有正红色、橘红色和烂番茄色。于是在六一儿童节当天你买了阿尼玛的正红色、橘红色还有烂番茄色,挽回了这段感情,并在儿童节这天和女友在大床房吃了个难忘的夜宵。
你可以这样学习,机器也是可以这样学习的,我们将上图每一种口红色号作为一个训练样本,所有口红作为训练集输入给机器来让其学习,机器的学习(训练)过程也就是人们的思考过程,学习过程也就是通过机器学习的各种算法来完成的,儿童节当天你买的阿尼玛正红色、橘红色还有烂番茄色可以考虑成测试集来进行测试是否为女友喜欢的口红。从而引出我们的知识点:
1.训练集:训练/学习过程中所使用的数据称为“训练数据”,每个样本成为一个训练样本,训练样本 的集合也就是训练集。
2.测试集:学得机器学习模型后,使用其进行预测的过程称为测试,被预测的样本称为测试样本,测试样本的集合也就是测试集。
3.学习/训练:从训练数据中学得模型的过程成为学习/训练,这个过程通过执行某个学习算法完成。
首先我们要知道机器学习要解决的问题是啥子,然后我们才能知道我们在学啥子哈!机器学习一般呢可以分成两类:监督学习和无监督学习。监督学习(有标记信息)和无监督学习之间的区别就在于是否有标记信息(标签),监督学习一般要解决的问题是回归和分类两大问题,而无监督学习主要是聚类和降维的问题。大家可能还听说过半监督学习,我尼玛~见识真广~半监督学习我们日后再说。
先说一下标记信息是神马东西。标记信息是出现在训练集之中的,举个例子,我们现在有两个训练样本:1.(x,y)= ((阿尼玛,正红色),喜欢) 2. x =(阿尼玛,正红色)。可以看出两者的差别在于有没有“喜欢”这一标记信息。监督学习意在用算法求出x到标记信息y的映射,而非监督学习意在用算法将所有相同类的x给划分出来从而达到学习的目的。
再说一下提到的回归、分类和聚类问题,降维问题先不谈。
回归问题也就是所说的预测问题,属于监督学习的问题,既然是监督学习那就肯定有标记信息,预测问题中的标记信息一般是代表大小的数值,我们要做的就是让机器学习一个函数,这个函数也就是x到标记信息y的映射,通过建立这样一个函数,我们可以随便拿一个测试样本 x‘ 来进行预测相对应的 y’ 。比如:预测股票下个月的涨跌。
分类问题顾名思义也就是进行分类,属于监督学习问题,我们同样需要建立一个函数映射,与回归问题不同的是我们的训练集里的标记信息一般是类别,所以我们建立的函数和回归问题的有所不同,我们要在回归问题的基础上加上激活函数,后续自学中会提到。比如:将猫狗的图像进行分类。
聚类问题是无监督学习,也就是说把相同类别的训练样本聚到一起生成一个簇,由聚类所生成的簇是一组数据对象的集合,这些对象与同一个簇中的对象彼此相似,与其他簇中的对象相异。其实也就是没有标记信息的分类问题。比如:用基因推导植物和动物的分类。
本人才疏学浅,忘大佬们多多指正,方便我及时修改。
自学深度学习 (一)机器学习基础1相关推荐
- Python深度学习之机器学习基础
Python深度学习之机器学习基础 一.前言 本文记录 弗朗索瓦·肖莱的<Python深度学习>第四章 机器学习基础有关笔记. 二.笔记 2.1机器学习的四个分支 监督学习 序列生成(se ...
- 神经网络与深度学习(一)——机器学习基础
神经网络与深度学习 (一)--机器学习基础 1.人工智能基础概念 2. 机器学习 2.1 基本概念 2.2 机器学习的三个基本要素 2.2.1 模型 2.2.2 学习准则 2.2.2.1 损失函数 L ...
- 水很深的深度学习-Task02机器学习基础
机器学习基础 目录 机器学习基础 一.什么是机器学习? 如何寻找这个函数? 机器学习三板斧 学习路线 二.机器学习算法的类型 1. 有监督学习 2. 无监督学习 3. 强化学习 4.机器学习算法的系统 ...
- 深度学习-2.机器学习基础
机器学习基础 机器学习问题举例 性能度量P 容量.过拟合和欠拟合 定义 性质 相关理论 奥卡姆剃刀原理 没有免费的午餐定理 监督学习算法 概率监督学习--逻辑回归(Logistic Regressio ...
- 进大厂全靠自学,微软头条实习生现身说法:我是这样自学深度学习的丨课程传送门...
作者 Sanny Kim 郭一璞 编译 量子位 出品 | 公众号 QbitAI 跟着网络资料自学.刷MOOC是许多人学深度学习的方式,但深度学习相关资源众多,应该从哪儿开始学呢? 富有自学经验的G ...
- 想要自学深度学习?不用GPU,浏览器就够了
机器之心整理 参与:刘晓坤.思源 今天要介绍一个近期开源的自学深度学习 GitHub 项目,作者为每种具体算法提供了 Jupyter notebook 实现,可以轻易地在 Google Colab 上 ...
- 进大厂全靠自学,微软amp;头条实习生现身说法:我是这样自学深度学习的丨课程传送门...
作者 Sanny Kim 郭一璞 编译 量子位 出品 | 公众号 QbitAI 跟着网络资料自学.刷MOOC是许多人学深度学习的方式,但深度学习相关资源众多,应该从哪儿开始学呢? 富有自学经验的G ...
- 进大厂全靠自学,微软头条实习生现身说法:我是这样自学深度学习的
转载于 量子位 跟着网络资料自学.刷MOOC是许多人学深度学习的方式,但深度学习相关资源众多,应该从哪儿开始学呢? 富有自学经验的GitHub用户Sanny Kim贡献出了一份深度学习自学指南. 她自 ...
- 我的三年自学深度学习之路
大家好,我是羽峰.今天要和大家分享的是研究生三年的生活,也是自己自学深度学习的三年,凭借三年自学,最终进入了大厂做了一名算法工程师. 目录 2018 2019 2020 2021 2018 考研因为失 ...
最新文章
- android 请求方式有哪些,Android中的几种网络请求方式详解
- SpringMVC 多视图配置
- android 代码片段,Android 中常用代码片段
- 赵丽词汇速记5500幻星笔记 (0、1)
- python去除图像光照不均匀_低光照环境下图像增强相关
- 好用的对象转xml、xml转对象工具类-支持集合嵌套转换(Java实现)
- 最佳圆角字体,设计师的最爱
- 责任心来自爱而不是债
- 关于python中字典描述正确的是_python总结七
- 计算机操作系统|汤小丹|第四版|习题答案(七)
- 网页关注微信服务号登录
- java循环引用 垃圾回收,深入解析Java垃圾回收机制
- Python爬虫抓取考试试题
- MFC视频播放器制作(OpenCV)
- 【5G NR】NG接口
- pinyin4j-2.5.0.jar 工具类
- mybatis拦截器实现update之前根据pk字段校验数据有效性
- [WIN7]怎样设置切换输入法变成CTRL+SHIFT
- 让Android应用程序支持安装到SD卡(APP2SD)
- 开膛手约翰(john)的初学者指南(第2部分)