怎样介绍自己做的网站,建设部监理工程师考试网站,建设网站必须用dns,郑州seo哪家专业文章目录目录1. 机器学习的定义2. 机器学习的分类2.1根据是否在人类监督下进行训练监督学习非监督学习半监督学习强化学习2.2根据是否可以动态渐进的学习在线学习批量学习2.3根据是否在训练数据过程中进行模式识别实例学习基于模型的学习3. 机器学习中的一些常见名词4. 机器学习…
文章目录目录1. 机器学习的定义2. 机器学习的分类2.1根据是否在人类监督下进行训练监督学习非监督学习半监督学习强化学习2.2根据是否可以动态渐进的学习在线学习批量学习2.3根据是否在训练数据过程中进行模式识别实例学习基于模型的学习3. 机器学习中的一些常见名词4. 机器学习的挑战4.1 训练的数据量不足4.2 没有代表性的数据4.3 低质量的数据4.4 不相关的特征4.5 过拟合和欠拟合5. 其他5.1偏差与方差概念导致偏差和方差的原因深度学习中的偏差与方差偏差与方差的计算公式偏差与方差的权衡过拟合与模型复杂度的权衡5.2 生成模型与判别模型概念优缺点常见模型5.3 先验概率与后验概率目录
1. 机器学习的定义 机器学习是通过编程让计算机能够从数据中进行学习的科学艺术 从经验E学习一些分类任务T和性能测量P它在任务T中的性能由P测量随着经验E提升–汤姆.米切尔.1997 2. 机器学习的分类
2.1根据是否在人类监督下进行训练
监督学习
在监督学习中用于训练算法的数据中包含了答案即标签信息。 监督学习主要包括分类和回归2个重要的任务。 重要的监督学习算法
KNN线性回归逻辑回归SVM决策树和随机森林神经网络
非监督学习
在非监督学习中用于训练算法的数据中没有标签信息。 非监督学习主要包括聚类可视化与降维关联性规则分析和异常检测4个重要的任务
重要的聚类算法
K means层次聚类期望最大 可视化和降维PCA核主成分分析LLE局部线性嵌入t-SNE(t分布领域嵌入算法)
关联性规则学习
Apriori算法Eclat算法
半监督学习
处理部分带数据标签的训练数据通常是大量数据不带标签然后小部分数据带标签。
对数的半监督学习算法是监督学习算法和非监督算法的结合。
深度信念网络是基于受限玻尔兹曼机的非监督组件。RBM是先用非监督的方法对数据进行训练在使用监督的方法岁整个系统进行微调。
强化学习
强化学习是智能体Agent以“试错”的方式进行学习通过与环境进行交互获得的奖赏指导行为目标是使智能体获得最大的奖赏强化学习不同于连接主义学习中的监督学习主要表现在强化信号上强化学习中由环境提供的强化信号是对产生动作的好坏作一种评价(通常为标量信号)而不是告诉强化学习系统RLS(reinforcement learning system)如何去产生正确的动作。由于外部环境提供的信息很少RLS必须靠自身的经历进行学习。通过这种方式RLS在行动-评价的环境中获得知识改进行动方案以适应环境。
2.2根据是否可以动态渐进的学习
在线学习
与批量学习不同在线学习假设训练数据持续到来通常利用一个训练样本更新当前的模型大大降低了学习算法的空间复杂度和时间复杂度实时性强。在大数据时代大数据高速增长的特点为机器学习带来了严峻的挑战在线学习可以有效地解决该问题引起了学术界和工业界的广泛关注。
批量学习
不能进行持续的学习在线使用和离线学习完全分开只是使用离线学习到的策略。
2.3根据是否在训练数据过程中进行模式识别
实例学习
直接从实例当中进行学习最简单的方法就是查表即所谓的记忆学习。其中KNN可以认为是一种基于实例的学习方法。
基于模型的学习
从样本中进行归纳然后建立样本的模型然后根据模型进行新样本的预测则为基于模型的学习。大部分的机器学习模型都是基于模型的学习方法。 3. 机器学习中的一些常见名词 4. 机器学习的挑战
4.1 训练的数据量不足
在机器学习领域往往是大数据简单模型的效果比小量数据复杂模型的效果好。对于复杂问题数据比算法更重要在实际的问题中获取大量的有标签的数据往往是很困难的所以优化算法也是比较重要的。
4.2 没有代表性的数据
机器学习的本质是使用模型通过已有的数据去尽可能的拟合原始数据的分布情况如果用于拟合的数据无法很好的代表全部数据的分布即采样有偏的情况下学习到的模型就是不准确的模型。
4.3 低质量的数据
训练集中含有大量的噪声异常点错误都会影响模型的训练。花费时间对数据进行清理是很有必要的。
4.4 不相关的特征
特征对于机器学习非常重要所谓进去的是垃圾出来的也是垃圾。特征工程是机器学习中很重要的一部分工作。
4.5 过拟合和欠拟合 5. 其他
5.1偏差与方差
概念 导致偏差和方差的原因 深度学习中的偏差与方差
神经网络的拟合能力非常强因此它的训练误差偏差通常较小但是过强的拟合能力会导致较大的方差使模型的测试误差泛化误差增大因此深度学习的核心工作之一就是研究如何降低模型的泛化误差这类方法统称为正则化方法
偏差与方差的计算公式 偏差与方差的权衡过拟合与模型复杂度的权衡 5.2 生成模型与判别模型
概念 优缺点 常见模型 5.3 先验概率与后验概率 已将发生的概率就是最大的。
