机器学习基础

1227-李同学

发表文章数:84

热门标签

首页 » 算法 » 正文

机器学习概念

定义

  • 机器学习(Machine Learning, ML)主要研究计算机系统对于特定任务的性能,逐步进行改善的算法和统计模型。
  • 通过输入海量训练数据对模型进行训练,使模型掌握数据所蕴含的潜在规律,进而对新输入的数据进行准确的分类或预测。
  • 是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸优化、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。

机器学习过程

机器学习基础

机器学习主要分类

无监督学习

  • 无监督学习(Unsupervised Learning)算法采用一-组仅包含输入的数据,通过寻找数据中的内在结构来进行样本点的分组或聚类。
  • 算法从没有被标记或分类的测试数据中学习。
  • 无监督学习算法不是响应反馈,而是要识别数据中的共性特征;对于-个新数据,可以通过判断其中是否存在这种特征,来做出相应的反馈。
  • 无监督学习的核心应用是统计学中的密度估计和聚类分析。

监督学习

  • 监督学习(Supervised Learning)算法构建了包含输入和所需输出的一组数据的数学模型。这些数据称为训练数据,由- -组训练样本组成。
  • 监督学习主要包括分类和回归。
  • 当输出被限制为有限的- -组值(离 散数值)时使用分类算法;当输出可以具有范围内的任何数值(连续数值)时使用回归算法。
  • 相似度学习是和回归和分类都密切相关的一类监督机器学习,它的目标是使用相似性函数从样本中学习,这个函数可以度量两个对象之间的相似度或关联度。它在排名、推荐系统、视觉识别跟踪、人脸识别等方面有很好的应用场景。

监督学习深入理解

监督学习三要素

  • 模型:总结数据的内在规律,用数学函数描述的系统
  • 策略:选取最优模型的评价准则
  • 算法:选取最优模型的具体方法

监督学习实现步骤

  • 得到一个有限的训练数据集
  • 确定包含所有学习模型的集合
  • 确定模型选择的准则,也就是学习策略
  • 实现求解最优模型的算法,也就是学习算法
  • 通过学习算法选择最优模型
  • 利用得到的最优模型,对新数据进行预测或分析

模型评估策略

  • 模型评估
  1. 训练集和测试集
  2. 损失函数和经验风险
  3. 训练误差和测试误差
  • 模型选择
  1. 过拟合和欠拟合
  2. 正则化和交叉验证
标签:

未经允许不得转载:作者:1227-李同学, 转载或复制请以 超链接形式 并注明出处 拜师资源博客
原文地址:《机器学习基础》 发布于2020-11-30

分享到:
赞(0) 打赏

评论 抢沙发

评论前必须登录!

  注册



长按图片转发给朋友

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

Vieu3.3主题
专业打造轻量级个人企业风格博客主题!专注于前端开发,全站响应式布局自适应模板。

登录

忘记密码 ?

您也可以使用第三方帐号快捷登录

Q Q 登 录
微 博 登 录