初识人工智能--基本概念
来源:互联网 发布:centos 阿里云 yum源 编辑:程序博客网 时间:2024/06/01 14:41
在机器学习中,我们接触到的第一样事物,就是机器学习所需的前提:
所需数据:训练集、测试集、特征值。
训练集:用来进行训练,也就是产生模型或者算法的数据集
训练集-->也就是训练数据,当我们选定一些学习模型给予机器时,我们会给予机器一定的训练数据,进行参数估计,然后比对测试集的数据,根据每个模型的误差值来选择一个具体的模型,做为机器学习的首选模型。
测试集:用来专门进行测试已经学习好的模型或者算法的数据集
测试集-->测试数据,一般用来比对经过训练集训练后模型输出的数据,用来检验误差模型的误差值。
特征值:属性的集合,通常用一个向量来表示,附属于一个实例
实例集合:假设集合为X;(X包含了训练集的所有的属性);假设目标函数为y,那么我们最终想要得到的结果就全部放在y集合中。x: 每一个实例X: 样例, 所有实例的集合学习目标:f: X -> Y**eg:假设有一个训练集:**
上面每个x所携带的一行数据都是一个实例,而所有的x构成了X集合
假设我们的目的是判断一个人的性别,而上面给出了一些训练集。那么我们可以根据上面的属性来进行判断。从上面的数据中,我们可以看到:身高,体重,年龄都不是可以很好的区分一个人的性别,但是我们可以通过头发的长度来区分一个人的性别,虽然说可能会有男生留长发,但是这种情况概率较低,可以极大的缩小误差概率。
学习方法:监督学习、半监督学习、无监督学习。
监督学习:训练集有类别标记(class label)
以上面的训练集为例,训练集中给出了我们的目标函数(性别),通过训练集的学习,加上一定的算法,就能够很好的判断出一个人的性别。当训练集中给出了我们的目标函数,我们便称为监督学习。
无监督学习:训练集中没有给出目标类别标记
如果说上面的训练集中,并没有给出性别这一栏属性,而是只给了其他数据,那么机器无法通过训练集得到有效的目标函数训练,只能通过算法自动去判断,那么便称为无监督学习。
半监督学习:有类别标记的训练集 + 无标记的训练集
假设训练集为该种,便称为半监督学习,即目标函数有些实例给出,有些实例并没有给出。
目标标记:分类、回归。(均属于监督学习)
分类:目标标记为类别型数据(category)、将实例数据划分到合适的分类
回归:目标标记为连续性数值 (continuous numeric value)、主要用于预测数值型数据
阅读全文
0 0
- 初识人工智能--基本概念
- 初识人工智能
- 人工智能学习笔记-基本概念
- 初识人工智能--决策树算法
- NLP一些基本概念初识
- http初识--基本概念
- 初识angularJS的基本概念
- 初识Spark之 基本概念
- 初识人工智能--第一节机器学习
- 初识java语言的基本概念
- 初识软件工程-软件工程的基本概念
- 了解人工智能之基础概念-基本概念问答
- 线程——线程初识之基本概念
- Maven初识(二)——基本概念
- 初识Tensorflow,基本概念及简单示例
- 人工智能从入门到精通(11)-基本概念
- 初识OAF开发(一)--BC4J的一些基本概念
- 《人工智能》
- Nginx安装必备软件
- czl蒻蒟的OI之路4
- tomcat下的web应用部署到weblogic上乱码问题
- 【nowcoder】四则运算
- 五、删除项目
- 初识人工智能--基本概念
- JDK和JRE的区别
- 时间格式 2016-08-15T16:00:00.000Z
- 奋斗群群赛---4
- spring 事务管理
- 使用TabLayout实现简单登录布局的实现
- Vue学习笔记10——demo地址
- SpringCloud分布式开发五大神兽 服务发现
- 六、查看项目