【ML--03】 第三课 机器学习基本概念
来源:互联网 发布:seo外链员 编辑:程序博客网 时间:2024/06/03 04:35
什么是机器学习
研究如何通过计算的手段,利用经验来改善系统自身的性能
通俗来讲,让代码学着干活
● 特征:自变量
● 标签:因变量
学习的种类
● 有监督学习:提供标签,分类、回归
● 无监督学习:无标签,聚类
● 增强学习:也称强化学习,马尔科夫决策过程(Markov Decision Processes,MDP)
● 主动学习:边学习边标注
● 迁移学习:从一个域(Domain)迁移(Transfer)到另一个域
● 集成学习:Ensemble,三个臭皮匠赛个诸葛亮,Boosting和Bagging
两大痛点
● 维度灾难:数据量和特征数
● 过拟合:模型泛化能力
学习的流程
● 预处理:数据重塑、缺失值处理(补全、统计为缺失特征)
● 特征工程:特征没做好,参数调到老。在已有的特征上生成新的特征,数值、类别
● 特征选择、降维:基于MIC、Pearson相关系数、正则化方法、模型,PCA、tSNE
● 训练模型、调参:单模型,多模型融合,集成
● 评估模型:正确率(Acurracy)、准确值(Pecision)、召回值(Recall)、F值、AUC
代码实现
你需要的都在这里:http://scikit-learn.org/
阅读全文
1 0
- 【ML--03】 第三课 机器学习基本概念
- ML 03、机器学习的三要素
- ML: 斯坦福大学公开课 :机器学习课程
- 【ML--01】第一课 机器学习概述
- 机器学习ML简史
- 机器学习ML策略
- 隐马尔可夫链-机器学习ML
- 读《高效ML:理论,算法及实践》:(1) 机器学习基本概念
- 机器学习(Machine Learning, ML)
- 机器学习(ML)中文视频教程
- Stanford ML - 机器学习应用
- python 机器学习ML 相关
- ML 01、机器学习概论
- [机器学习] Coursera ML笔记
- 机器学习流程--ML之一
- 【ML】机器学习学前准备
- [机器学习] Coursera ML笔记
- 《机器学习实战》第三章:决策树(1)基本概念
- boost.asio防止恶意空连接的方法
- k数和 II-LintCode
- LR日期的参数化格式表
- 打开eclispe出现JVM terminated,Exit code=2错误
- bzoj1648: [Usaco2006 Dec]Cow Picnic 奶牛野餐
- 【ML--03】 第三课 机器学习基本概念
- plsql导入dmp文件闪退或者无法导入问题
- 滤波器设计体验
- Java基础教程1:基础语法
- 神经网络权(BP)值初始化相同权值的影响
- 为何选择ROS开发机器人
- nginx和anglar结合
- 解析su,su -,sudo的区别
- hud神,上帝及老天爷