机器学习课程_课堂笔记1:
2016-11-09 00:00
267 查看
声明:这个系列的文章主要用来记录自己这段时间学习斯坦福大学《机器学习》课程的个人学习笔记,内容主要来自Andrew Ng教授学习视频。准备大部分记录自己的理解,可能会有一些实验贴出来。各位看官,看看就好,不严谨,不过欢迎讨论,共同进步。学习疑惑详情还是去看Andrew Ng的视频比较好。
机器学习:
Tom Mitchell:“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学习。”
监督学习
1.回归分析问题 拟合的数据曲线
2.分类问题
支持向量机算法 无线维向量映射到计算机中
事先知道一组准确数据所代表的意义的算法。 比如拟合的数据曲线
应用领域:各种工程领域的模式识别等等
无监督学习
在一组不知道准确结果的数据中发现特定的结构
应用领域:聚类 图像识别 语音处理(鸡尾酒问题)
强化学习
回报函数 你需要一种方式 来定义你要干什么 并定义好行为和坏行为,总结一个学习型算法获取更多的回报和更少的惩罚
应用领域: 机器人领域 网页爬取
机器学习:
Tom Mitchell:“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学习。”
监督学习
1.回归分析问题 拟合的数据曲线
2.分类问题
支持向量机算法 无线维向量映射到计算机中
事先知道一组准确数据所代表的意义的算法。 比如拟合的数据曲线
应用领域:各种工程领域的模式识别等等
无监督学习
在一组不知道准确结果的数据中发现特定的结构
应用领域:聚类 图像识别 语音处理(鸡尾酒问题)
强化学习
回报函数 你需要一种方式 来定义你要干什么 并定义好行为和坏行为,总结一个学习型算法获取更多的回报和更少的惩罚
应用领域: 机器人领域 网页爬取
相关文章推荐
- 机器学习 课程笔记
- Coursera台大机器学习基础课程学习笔记2 -- 机器学习的分类
- Machine Learning机器学习课堂笔记1(机器学习定义)
- Coursera台大机器学习基础课程学习笔记2 -- 机器学习的分类
- Coursera台大机器学习基础课程学习笔记1 -- 机器学习定义及PLA算法
- 斯坦福机器学习在线课程笔记
- Stanford机器学习课程笔记——单变量线性回归和梯度下降法
- Coursera台大机器学习课程笔记3 – 机器学习的可能性
- Coursera台大机器学习基础课程学习笔记2 -- 机器学习的分类
- Coursera台大机器学习课程笔记5 -- Theory of Generalization
- 加州理工学院公开课:机器学习与数据挖掘课程笔记(一)学习问题
- Coursera台大机器学习课程笔记6 -- The VC Dimension
- Coursera台大机器学习课程笔记5 -- Theory of Generalization
- Coursera台大机器学习课程笔记4 -- Training versus Testing
- 斯坦福机器学习课程笔记(第五讲)
- Coursera台大机器学习基础课程学习笔记1 -- 机器学习定义及PLA算法
- Coursera台大机器学习课程笔记4 -- Training versus Testing
- 机器学习之&&Andrew Ng课程复习--- 学习笔记(一、二课)
- 斯坦福大学机器学习课程学习笔记-逻辑回归
- Coursera台大机器学习课程笔记6 -- The VC Dimension