IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> Machine Learning Handbook --0 了解机器学习 -> 正文阅读

[人工智能]Machine Learning Handbook --0 了解机器学习

Machine Learning Handbook

video+book:

  1. 吴恩达老师 ML视频课

  2. 《Neural Networks and Deep Learning》(US)Michael Nielsen

    中文版地址

  3. datawhale pumpkin-book

0 机器学习是什么?

  • 类人角度:机器学习使得计算机在没有明确程序指令的情况下,自主学习某项技能的能力
  • 算法角度:机器学习就是计算机在面对一个通过测试性能P,可以积累经验E,从而提高性能P,最终达到某一标准Pstandard , 最终完成任务T的过程

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3oeVBdHB-1629209894007)(D:\MachineL\MachineL_Foundation\1 week\images\机器学习简介.png)]

0.1.1 Supervised Learning (监督学习)

特点:

  • 已知样本结果, 即label , 样本格式: { ( x 1 ( i ) , . . . , x n ( i ) ) , y ( i ) } \lbrace(x_1^{(i)},...,x_n^{(i)}),y^{(i)}\rbrace {(x1(i)?,...,xn(i)?),y(i)}
  • n 为样本维数,即特征数量
  • 找到输入空间X到输出空间Y的映射f

0.1.2 Regression 回归问题

预测:连续值

如:从1000个已知房价的房屋信息中,总结出房价和房子面积的连续函数关系 P r i c e ( A r e a ) Price(Area) Price(Area),从而预测一个新房子的价格
在这里插入图片描述

T:预测一个新房子的价格Price
E:总结Price(Area)函数
P:预测1000个已知真实房价的房屋的虚拟房价,虚拟房价和真实房价的误差

0.1.3 classification 分类问题

预测:离散值

如从1000个已知肿瘤结果的样本中,总结出肿瘤大小和肿瘤结果的离散函数关系 R e s u l t ( s i z e ) Result(size) Result(size),从而预测一个新肿瘤样本的结果

T:预测一个新肿瘤样本的结果
E:总结Result(size)函数
P:预测1000个已知诊断结果的样本的虚拟结果,虚拟结果和真实结果的误差

0.2 Unsupervised Learning (无监督学习)

特点:未知样本结果

0.2.1 clustering聚类问题

如:谷歌新闻分类

T:把关联的新闻分到不同的组
E:类型函数Type
P:

如:录音分离问题

在这里插入图片描述

有两个同时数1~10且分别用英语的人A和法语的人B,在A面前放microphone 1 记录下录音 microphone 1#,在B面前放microphone 2 记录下录音 microphone 2#. microphone 1# 和 microphone 2#中都是A、B混杂的声音,但是A、B声音分贝明显不同,想要得到只有英语和法语的两个录音output 1# 和output 2#

T:把混合录音根据语言拆分
E:SVD算法(内置Octave中)
P:录音中只有一种语言且内容完整

学习算法

学习算法可理解为在假设空间H内找version space的算法

特点:

  • 有一定的归纳偏好,比如version space内有 h ( θ 1 , x ) h(\theta_1,x) h(θ1?,x) h ( θ 2 , x ) h(\theta_2,x) h(θ2?,x), 但算法只找到了 h ( θ 1 , x ) h(\theta_1,x) h(θ1?,x)

  • version space内不同的h 的泛化能力不同,即对于训练集之外的数据预测准确性不同

在这里插入图片描述

黑点为训练集数据,白点为测试集数据,左图 h A h_A hA?优于 h B h_B hB?, 右图 h B h_B hB?优于 h A h_A hA?,

注解:

  1. version space: 基于训练集的假设空间H内,对于训练集中任意 ( x ( i ) , y ( i ) ) (x^{(i)}, y^{(i)}) (x(i),y(i)), 假设 h ( θ , x ( i ) ) = y ( i ) h(\theta,x^{(i)})=y^{(i)} h(θ,x(i))=y(i) θ \theta θ为模型参数, 则所有 h ( θ , x ) h(\theta, x) h(θ,x) 组成version space

相关学术会议和期刊

在这里插入图片描述
在这里插入图片描述

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-08-18 12:42:30  更:2021-08-18 12:44:12 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/27 19:55:22-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码