Day 38: 机器学习基础介绍

首页 » 算法 » 正文

                </svg>
                <p></p>

2020/11/21

定义

对于给定的任务T,在合理的性能度量方案P的前提下,计算机程序可以自主学习任务T的经验E;随着合适优质大量的经验E,该程序可以对于任务T的性能逐步提高。

复杂的定义看完,其实就是对于一个任务来说,计算机不断的执行任务,通过大量的数据训练,积累经验 程序能自主的优化算法,性能不断提升

人类的学习到机器学习

人类从无知到掌握知识的过程 总共有3种学习方式

  1. 有监督学习
    假设给大量关于月亮的图片。标记的信息是(x1,y1) y1的结果只有0 或1。设定一个模型,让计算机可以预测一个图片 是不是月亮。
  2. 无监督学习
    比如一个句子断句。没有特意要求什么结果,但是随着词语出现频率接触的越来越多。这个模型会自主的了解一个句子里什么是词语 什么是字
  3. 增强学习
    就是一个从不会到会的过程,模型通过不断的自我矫正最终使得算法得出一个最优的结果

举个栗子

Day 38: 机器学习基础介绍
图表中上半部分 是提供的数据(samples train),根据这些数据我们要建立一个模型(暂时不对这个模型讨论细节),然后通过下半部分数据(samples test)预测出目标价格。
假设,我们对图表中的type列 设为x1,room列设为x2,surface列设为x3,publictrans列设为x4,sold列设为结果y1
我们会建立一个函数F(x,θ)=θx1+θx2+θx3+θx4这其实是一个线性回归函数,然后我们把每一行的数据都传进这个函数。并进行方差(或其他等方式),让L(θ)是一个关于θ的函数,然后我们就找出最小的损失函数,那么关于θ这个值 就是最优解,也就是让机器学习的最优解。

机器学习一般流程

第一步就是要通过 训练数据的使用 建立模型,让机器学习能通过模型得出预想的结果。模型建立的越完善,得出的结果也就会越精确(当然训练数据越多,模型越可靠)。 所以在机器学习中,大量的时间花费在模型的建立过程中。
Day 38: 机器学习基础介绍
模型建立完成之后就是,要把新的数据 通过模型处理,得到想要的结果
Day 38: 机器学习基础介绍

建立模型

通俗的比喻:建立模型的过程就是和西红柿炒鸡蛋一样
Day 38: 机器学习基础介绍

  1. 数据收集:得到我们用来锻炼模型的数据,做饭中 得到我们所需要的食材
  2. 数据清洗:挑出不用的数据,让模型更加清楚需要的是什么样的数据。 做饭中 清洗食材
  3. 特征工程:把剩下可用的数据 精心的标记,处理成能应用在模型的数据。 做饭中 切菜
  4. 建立模型:把不同的数据混合在 一起进行加工,组合,处理。 做饭中 翻炒鸡蛋和西红柿

未经允许不得转载:作者:1249-刘同学, 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:《Day 38: 机器学习基础介绍》 发布于2020-12-01

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