机器学习(1):基本概念
2016-07-13 16:40
253 查看
1959, 机器学习被定义为不直接编程的情况下赋予计算机学习能力。
1998年,更科学的被定义为如下:计算机通过处理任务T,并被P进行测量,从而产生了经验E。如果E最终改善了任务T的结果,就成为机器在经验E中进行了学习。
1、监督学习:
我们为算法提供了标准输入和标准答案。然后让让程序对其他情况作出预测。
回归问题
分类问题 支持向量机算法
2、学习理论
比如说研究训练样本量和确定机器学习算法的准确度。
3、无监督学习
不会提供任何标准答案。而是让算法自动寻找输入的相关性。最常见的用法是发现隐藏数据下面 的相关性。
聚类问题
聚类问题可以自动判定图片中像素进行分组,这对计算机视觉研究很有用。比如用于将图片进行分块,然后依据这个结果去重构3D视觉。还有社会网络分析等。
鸡尾酒会问题
在嘈杂的背景噪音中将所需要的人的声音提取出来。
ICA matlab svd((repmat)
4、强化学习
长时间最连续决策
回报函数:类似区训练一只狗。只需要告诉机器做的决定是会得到奖励还是会得到惩罚。常用于对无人车的训练。这样就可以不用写一些非常复杂的控制程序了。
1998年,更科学的被定义为如下:计算机通过处理任务T,并被P进行测量,从而产生了经验E。如果E最终改善了任务T的结果,就成为机器在经验E中进行了学习。
1、监督学习:
我们为算法提供了标准输入和标准答案。然后让让程序对其他情况作出预测。
回归问题
分类问题 支持向量机算法
2、学习理论
比如说研究训练样本量和确定机器学习算法的准确度。
3、无监督学习
不会提供任何标准答案。而是让算法自动寻找输入的相关性。最常见的用法是发现隐藏数据下面 的相关性。
聚类问题
聚类问题可以自动判定图片中像素进行分组,这对计算机视觉研究很有用。比如用于将图片进行分块,然后依据这个结果去重构3D视觉。还有社会网络分析等。
鸡尾酒会问题
在嘈杂的背景噪音中将所需要的人的声音提取出来。
ICA matlab svd((repmat)
4、强化学习
长时间最连续决策
回报函数:类似区训练一只狗。只需要告诉机器做的决定是会得到奖励还是会得到惩罚。常用于对无人车的训练。这样就可以不用写一些非常复杂的控制程序了。
相关文章推荐
- 从MVC到前后端分离
- 大型网站架构学习
- uva-10115 - Automatic Editing
- uc/os-iii学习笔记-任务管理
- mysql获取第n条记录
- Shell脚本中执行sql语句操作mysql的5种方法
- 初识java程序的垃圾回收机制及对象在内存中的状态-----自学JAVA(第二节)
- struts2--概述
- (2) 配置日志log
- AngularJS实用开发技巧(推荐)
- SQL group by分组查询
- 【NOIP2016A组模拟7.13】字符串匹配 题解+代码
- iOS开发从入门到精通--基础组件UILabel
- spring编程式事务管理
- char类型的输入
- python线程锁实践实例
- Tensorflow常见错误
- Mybatis分页插件
- HBuilder代码调试
- UVA - 1585 Score