机器学习入门科普篇--系列二
2017-10-18 00:00
288 查看
机器学习入门科普篇--系列二
前言python程序语言与机器学习实践可以称得上是”珠联璧合“。因为使用python编程技巧,接触甚至掌握机器学习的经典学习算法至少有以下四个优势。
![](https://ss.csdn.net/p?http://mmbiz.qpic.cn/mmbiz_png/Ik9bwFWNz2BF53OrgjSDaHIumfMicNpfzcibxyDwkl7HQYuwC5WY57c2yaWkplEkW1PO7ib5wkRs1OicrmFLCuNmIA/640?wx_fmt=png&wxfrom=5&wx_lazy=1)
![](https://ss.csdn.net/p?http://mmbiz.qpic.cn/mmbiz_png/Ik9bwFWNz2BF53OrgjSDaHIumfMicNpfzOzqjyiayiaTYIpNUIMlCKvo2AM3cPOhVibhiab7Aeg01RFF63WACgvooeQ/640?wx_fmt=png&wxfrom=5&wx_lazy=1)
![](https://ss.csdn.net/p?http://mmbiz.qpic.cn/mmbiz_png/Ik9bwFWNz2BF53OrgjSDaHIumfMicNpfzmFPfxG4e31Lcq3TrFjs1HZdmeFU05x4SxwtQXY94Mib2UOI8hboZnIg/640?wx_fmt=png&wxfrom=5&wx_lazy=1)
接着上一篇继续讲啦
上一篇我们说了机器学习的特点、定义,其中讲了经验、任务和性能。任务上篇已经讲过了,现在我们来聊聊经验和性能。
经验
![](https://ss.csdn.net/p?http://mmbiz.qpic.cn/mmbiz_png/Ik9bwFWNz2BF53OrgjSDaHIumfMicNpfz5icAM37LHgibIVkKYzsvf2GSqa8tGia5faBc1hSAJZ4FeLdicAOTfxCSmg/0?wx_fmt=png)
监督学习
对于监督学习问题,我们所拥有的经验包括特征和标签(Label/Target)两个部分。通常用特征向量(Feature Vector)描述一个数据样本。标记/目标的表现形式则取决于监督学习的种类。
无监督学习
无监督学习问题没有标记/目标,因此也无法从事预测任务,却更加适合对数据结构的分析。正是这个区别,我们可以获得大量的无监督学习数据;而监督数据的标注因为经常耗费大量的时间、金钱和人力,所以数据量相对量较少。
性能
![](https://ss.csdn.net/p?http://mmbiz.qpic.cn/mmbiz_png/Ik9bwFWNz2BF53OrgjSDaHIumfMicNpfz3cyCszH4AJtL5XYdACfMvTEMgHm4hx5NJkAoE9bv59OYtlftdGzibrw/0?wx_fmt=png)
注意
需要保证,出现在测试集中的数据样本一定不能被用于模型训练。即,训练集和测试集之间是彼此互斥的
预测类问题
对于预测类问题,更加关注预测的精度。具体来讲:分类问题,需要根据预测正确类别的百分比来评价其性能,这个指标通常称为准确性(Accuracy);回归问题则无法使用类似的指标,通常会衡量预测值与实际值之间的偏差大小。
好了,机器学习的任务、经验和性能已经介绍完了,下面用一个示例描述一下;
例子
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(知识库)
今日赠言
离你越近的地方,路途越远;最简单的音调,需要最艰苦的练习。
——致还在路上的你
推荐阅读:
python
数据清洗篇
Python正则表达式指南
Python
禅道
python学习笔记
用Python来分析股票|发现炒股软件里惊人内幕
诺贝尔奖得主教你如何分配炒股仓位
| python量化系列
(视频讲解!!!)python量化
| 10年翻400倍的炒股策略
Python初探之一
Python常用的一些技巧
写给Python初学者的设计模式入门
Python在金融,数据分析,和人工智能中的应用
Python的编码命名规则
python
数组的del ,remove,pop区别
[笔记]使用Python一步一步地来进行数据分析
提升
Python 编程效率的十点建议
Python的zip函数
如何优雅的使用Python
Python初学者的17个技巧
Python 环境搭建
文本编辑器你容易忽视的细节
Python生态系统
Python 使用断言的最佳时机
Python在金融,数据分析,和人工智能中的应用
爬虫-漫画喵的100行逆袭
长按二维码即可关注哦--->
![](https://ss.csdn.net/p?https://mmbiz.qpic.cn/mmbiz_png/Ik9bwFWNz2Ch1QK383Uo1V3ice9ich5ohZRPOtLcOoibppznfEP9lbqzxwBTibnxKg4dicw9nc9hfJQ9LWEyn7o9YlQ/0?wx_fmt=png)
参考文献:
Python机器学习及实践
机器学习
Mitchell,T.M 《Machine Learning》
前言python程序语言与机器学习实践可以称得上是”珠联璧合“。因为使用python编程技巧,接触甚至掌握机器学习的经典学习算法至少有以下四个优势。
接着上一篇继续讲啦
上一篇我们说了机器学习的特点、定义,其中讲了经验、任务和性能。任务上篇已经讲过了,现在我们来聊聊经验和性能。
经验
监督学习
对于监督学习问题,我们所拥有的经验包括特征和标签(Label/Target)两个部分。通常用特征向量(Feature Vector)描述一个数据样本。标记/目标的表现形式则取决于监督学习的种类。
无监督学习
无监督学习问题没有标记/目标,因此也无法从事预测任务,却更加适合对数据结构的分析。正是这个区别,我们可以获得大量的无监督学习数据;而监督数据的标注因为经常耗费大量的时间、金钱和人力,所以数据量相对量较少。
性能
注意
需要保证,出现在测试集中的数据样本一定不能被用于模型训练。即,训练集和测试集之间是彼此互斥的
预测类问题
对于预测类问题,更加关注预测的精度。具体来讲:分类问题,需要根据预测正确类别的百分比来评价其性能,这个指标通常称为准确性(Accuracy);回归问题则无法使用类似的指标,通常会衡量预测值与实际值之间的偏差大小。
好了,机器学习的任务、经验和性能已经介绍完了,下面用一个示例描述一下;
例子
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(知识库)
今日赠言
离你越近的地方,路途越远;最简单的音调,需要最艰苦的练习。
——致还在路上的你
推荐阅读:
python
数据清洗篇
Python正则表达式指南
Python
禅道
python学习笔记
用Python来分析股票|发现炒股软件里惊人内幕
诺贝尔奖得主教你如何分配炒股仓位
| python量化系列
(视频讲解!!!)python量化
| 10年翻400倍的炒股策略
Python初探之一
Python常用的一些技巧
写给Python初学者的设计模式入门
Python在金融,数据分析,和人工智能中的应用
Python的编码命名规则
python
数组的del ,remove,pop区别
[笔记]使用Python一步一步地来进行数据分析
提升
Python 编程效率的十点建议
Python的zip函数
如何优雅的使用Python
Python初学者的17个技巧
Python 环境搭建
文本编辑器你容易忽视的细节
Python生态系统
Python 使用断言的最佳时机
Python在金融,数据分析,和人工智能中的应用
爬虫-漫画喵的100行逆袭
长按二维码即可关注哦--->
参考文献:
Python机器学习及实践
机器学习
Mitchell,T.M 《Machine Learning》
相关文章推荐
- “机器学习”三重门_“中庸之道”趋若人(深度学习入门系列之四)
- Spark入门实战系列--8.Spark MLlib(上)--机器学习及SparkMLlib简介
- Spark入门实战系列--8.Spark MLlib(上)--机器学习及SparkMLlib简介
- 机器学习三人行(系列一)--机器学习花样入门
- 机器学习入门系列三(关键词:逻辑回归,正则化)
- Spark入门实战系列--8.Spark MLlib(上)--机器学习及SparkMLlib简介
- Spark入门实战系列--8.Spark MLlib(上)--机器学习及SparkMLlib简介
- Spark入门实战系列--8.Spark MLlib(上)--机器学习及SparkMLlib简介
- 机器学习入门系列三(关键词:逻辑回归,正则化)
- “机器学习”三重门,“中庸之道”趋若人(深度学习入门系列之四)
- Spark入门实战系列--8.Spark MLlib(上)--机器学习及SparkMLlib简介
- “机器学习”三重门,“中庸之道”趋若人(深度学习入门系列之四)
- 机器学习入门指引【深度学习系列之-机器学习入门指引】
- 机器学习入门系列02-Regression 回归:案例研究
- 机器学习入门系列02,Regression 回归:案例研究
- 机器学习入门系列-为什么要机器学习
- Spark入门实战系列--8.Spark MLlib(上)--机器学习及SparkMLlib简介
- Spark入门实战系列--8.Spark MLlib(上)--机器学习及SparkMLlib简介
- Spark入门实战系列--8.Spark MLlib(上)--机器学习及SparkMLlib简介
- [Spark]Spark入门实战系列_8_Spark_MLlib(上)__机器学习及SparkMLlib简介