机器学习笔记——引言
2014-04-26 19:59
162 查看
学习的定义:对于某类任务T和性能度量P,如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善,那么我们称这个计算机程序在从经验E中学习。
如,手写识别学习问题:
任务T:识别和分类图像中的手写文字
性能标准P:分类的正确率
训练经验E:已知分类的手写文字数据库
简单说,“学习”就是通过经验提高性能的某类程序。
一个完整定义的学习问题需要一个明确界定的任务、性能度量标准和训练经验的来源。
机器学习算法的设计过程包含许多选择,包括选择训练经验的类型、要学习的目标函数、该目标函数的表示形式以及从训练样例中学习目标函数的算法。
在机器学习方面,一个有效的观点是机器学习问题经常归结于搜索问题,即对非常大的假设空间进行搜索,以确定最佳拟合观察到的数据和学习器已有知识的假设。
学习的过程即搜索的过程,搜索包含可能假设的空间,使得到的假设最符合已有训练样例和其他先验的约束和知识。
机器学习从不同的学科吸收概念,包括人工智能、概率和统计、计算复杂性、信息论、心理学和神经生物学、控制论以及哲学。
如,手写识别学习问题:
任务T:识别和分类图像中的手写文字
性能标准P:分类的正确率
训练经验E:已知分类的手写文字数据库
简单说,“学习”就是通过经验提高性能的某类程序。
一个完整定义的学习问题需要一个明确界定的任务、性能度量标准和训练经验的来源。
机器学习算法的设计过程包含许多选择,包括选择训练经验的类型、要学习的目标函数、该目标函数的表示形式以及从训练样例中学习目标函数的算法。
在机器学习方面,一个有效的观点是机器学习问题经常归结于搜索问题,即对非常大的假设空间进行搜索,以确定最佳拟合观察到的数据和学习器已有知识的假设。
学习的过程即搜索的过程,搜索包含可能假设的空间,使得到的假设最符合已有训练样例和其他先验的约束和知识。
机器学习从不同的学科吸收概念,包括人工智能、概率和统计、计算复杂性、信息论、心理学和神经生物学、控制论以及哲学。
相关文章推荐
- Coursera公开课笔记: 斯坦福大学机器学习第一课“引言(Introduction)”
- 周志华《机器学习》 学习笔记(一) 引言与基本术语
- Coursera机器学习笔记 第1周 一、引言(Introduction)
- 阅读笔记-机器学习-第1章-引言
- Coursera公开课笔记: 斯坦福大学机器学习第一课“引言(Introduction)”
- Coursera公开课笔记: 斯坦福大学机器学习第一课“引言(Introduction)”
- [自学笔记]Tom Mitchell《机器学习》 - 第1章 引言
- 机器学习笔记2——模型评估与选择(一)
- [台大机器学习笔记整理]机器学习问题与算法的基本分类&由霍夫丁不等式论证机器学习的可行性
- [机器学习笔记]Note15--大规模机器学习
- 斯坦福大学Andrew Ng - 机器学习笔记(3) -- 神经网络模型
- 机器学习笔记(十)——Logistic Function AND Softmax Function
- 机器学习笔记——半监督学习
- Coursera 机器学习笔记(四)
- 【机器学习-斯坦福】学习笔记1 - 机器学习的动机与应用
- Coursera台大机器学习技法课程笔记05-Kernel Logistic Regression
- 机器学习笔记 - 线性分割对偶问题
- 七月算法机器学习笔记3 线性代数与矩阵
- [机器学习入门] 李弘毅机器学习笔记-17(Unsupervised Learning: Deep Auto-encoder;无监督学习:深度自动编码器)
- 机器学习基石笔记5——为什么机器可以学习 (1)