机器学习入门
in 机器学习 with 0 comment

机器学习入门

in 机器学习 with 0 comment

机器学习的难点在于 如何让计算机通过学习自动识别复杂的模式,并尽可能的做出智能的决策。

监督学习

关键问题是泛化,监督学习本质上是根据一个比较小的数据集得出一个模型,从而适应所有可能的输入。
通常来说,监督学习都会定义一个损失函数,通过小的样本及来让这个函数值最小。
监督学习可以应用在分类(主要),数值预测型函数上(通常是回归。)

无监督学习

通常情况是就是使用算法解决聚类问题,即给定一组对象,我们希望理解并展示他们之间的关系。

强化学习

系统可以根据环境获得的反馈动态调整参数。调整参数的结果进一步指导决策。

监督学习无监督学习强化学习
分类 回归 排序聚类 关键问题挖掘 分割 维度约减决策过程 回报系统 推荐系统

深度学习

是一个特殊的学习机制,通过建立多层的学习模型,深层将浅层的输出作为输入,将数据层层转换,试数据越来越抽象。

假设:每一个学习层对应着大脑皮层的一个不同的区域。

Responses