机器学习基本概念
2017-11-25 16:47
288 查看
1. 机器学习定义
机器学习(Arthur Samuel,1959):在确定编程之外给予计算机学习能力的研究领域。
机器学习(Tom Mitchell,1998):如果计算机程序对于任务T的性能度量P通过经验E得到了提高,则认为此程序对E进行了学习。
2. 机器学习四个主要内容
-监督学习:包括回归(连续性问题:预测值或目标变量是连续的)、分类(离散性问题:预测值或目标变量是离散值)。需要训练集,训练集给出自变量和因变量(即标签),通过训练集构造模型;之后,对于新的自变量,采用学习到的模型预测因变量的值。
-学习理论(Learning Theory):证明机器学习算法的有效性。
-无监督学习(UnSupervised Learning):无训练集。将所有的数据根据某些属性进行聚类,之后对聚类结果进行分析,获取知识。
-强化学习(Reinforcement Learning):关键是引入了回报函数(reward function)的概念。通过回报函数不断修正学习算法,以使算法更有效。
参考资料:
[1] Andrew Ng. Stanford CS229. Machine Learning. Stanford University
机器学习(Arthur Samuel,1959):在确定编程之外给予计算机学习能力的研究领域。
机器学习(Tom Mitchell,1998):如果计算机程序对于任务T的性能度量P通过经验E得到了提高,则认为此程序对E进行了学习。
2. 机器学习四个主要内容
-监督学习:包括回归(连续性问题:预测值或目标变量是连续的)、分类(离散性问题:预测值或目标变量是离散值)。需要训练集,训练集给出自变量和因变量(即标签),通过训练集构造模型;之后,对于新的自变量,采用学习到的模型预测因变量的值。
-学习理论(Learning Theory):证明机器学习算法的有效性。
-无监督学习(UnSupervised Learning):无训练集。将所有的数据根据某些属性进行聚类,之后对聚类结果进行分析,获取知识。
-强化学习(Reinforcement Learning):关键是引入了回报函数(reward function)的概念。通过回报函数不断修正学习算法,以使算法更有效。
参考资料:
[1] Andrew Ng. Stanford CS229. Machine Learning. Stanford University
相关文章推荐
- 【机器学习入门】Andrew NG《Machine Learning》课程笔记之二 :基本概念、代价函数、梯度下降和线性回归
- 机器学习(二)基本概念
- 三张图读懂机器学习:基本概念、五大流派与九种常见算法
- 机器学习-1.机器学习的基本概念
- 机器学习第一章:基本概念
- 机器学习的一些基本概念
- 机器学习1---基本概念
- 程序员的机器学习入门笔记(一):基本概念介绍
- 学习路线:入门机器学习基本概念之简述极大似然估计
- 机器学习(1)——基本概念
- 机器学习基本概念、机器学习的五大流派和演化、九种常见机器学习和深度学习算法
- 十张图解释机器学习的基本概念
- 三张图读懂机器学习:基本概念、五大流派与九种常见算法
- 第4节--机器学习的基本概念
- 机器学习(一)基本概念与信息熵
- 数据挖掘和机器学习的基本概念
- 读《高效ML:理论,算法及实践》:(1) 机器学习基本概念
- 机器学习-斯坦福课程系列1【基本概念】
- 机器学习 基本概念/术语
- Stanford机器学习系列之一:机器学习基本概念