(三)机器学习——基本概念
2018-03-29 21:08
148 查看
1、基本概念:训练集、测试集、特征值、监督学习、半监督学习、分类、回归
2、概念学习:
实例(instance) 集合 目标概念(target concept)
训练集(training set/data) 测试样例(testing examples)
特征向量(features/feature vetor):属性的集合
标记(label)
正例(positive example)
反例(negative example)
3、分类、回归
分类(classification):目标标记为类别型数据(category)
回归(regression):目标标记为连续性数值(continuous numeric value)
4、有监督、无监督、半监督
有监督学习(supervised learning):训练集有类别标记(calss label)
无监督学习(unsupervised learning):无类别标记(class label)
半监督学习(semi-superviesd learning):有类别标记的训练集+无标记的训练集
5、机器学习步骤框架
(1)数据拆分为训练集和测试集
(2)用训练集和训练集的特征向量训练算法
(3)用学习的算法运用在测试集上,评估算法(可用于调整参数parameter tuning,验证集validation set)
2、概念学习:
实例(instance) 集合 目标概念(target concept)
训练集(training set/data) 测试样例(testing examples)
特征向量(features/feature vetor):属性的集合
标记(label)
正例(positive example)
反例(negative example)
3、分类、回归
分类(classification):目标标记为类别型数据(category)
回归(regression):目标标记为连续性数值(continuous numeric value)
4、有监督、无监督、半监督
有监督学习(supervised learning):训练集有类别标记(calss label)
无监督学习(unsupervised learning):无类别标记(class label)
半监督学习(semi-superviesd learning):有类别标记的训练集+无标记的训练集
5、机器学习步骤框架
(1)数据拆分为训练集和测试集
(2)用训练集和训练集的特征向量训练算法
(3)用学习的算法运用在测试集上,评估算法(可用于调整参数parameter tuning,验证集validation set)
相关文章推荐
- 机器学习----笔记之基本概念(1)
- 2基本概念--python深度机器学习
- 十张图解释机器学习的基本概念
- 机器学习 基本概念/术语
- 【机器学习 基本概念】矩阵、向量求导法则
- 三张图读懂机器学习:基本概念、五大流派与九种常见算法
- 机器学习基本概念
- 机器学习之一些基本概念及符号系统
- 十张图解释机器学习的基本概念
- 机器学习-斯坦福课程系列1【基本概念】
- 【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
- PRML读书会第一章 Introduction(机器学习基本概念、学习理论、模型选择、维灾等)
- 机器学习第一章:基本概念
- 【机器学习 基本概念】回归方法与梯度下降法
- 【机器学习 基本概念】隐马尔可夫模型
- 机器学习的9个基础概念和10种基本算法总结
- 机器学习基本概念和模型训练基本问题
- 机器学习1---基本概念
- 学习路线:入门机器学习基本概念之简述极大似然估计