《Machine Learning》第一讲 监督/非监督学习
来源:互联网 发布:淘宝hd停止服务 编辑:程序博客网 时间:2024/06/05 09:00
1.Supervised Learning
给出了实际的输入与输出的结果,然后寻找一个与实际数据相匹配的算法,给出大量的训练样本,来不断的训练这个算法,以至于能够更精确的预测未知结果的用户输入。换句话来说,就是我们给了一组标准输入与标准输出,希望能够从中学习到一个匹配度高的算法,从而在输入未知数据时能够输出更为标准的答案。
Regression problem(回归问题)
训练样本是一系列连续变量的值,用来预测的值也是连续的,所以称为回归问题。
Classification problem(分类问题)
处理一些离散、不连续的数据,数据的属性越多,所建立的坐标系的维数就越高,处理多维数据的聚类问题,就需要用到SVM(支持向量机)的技术,来讲多维数据映射到无限维空间
2.Unsupervised Learning
给出一系列未知结果的数据,也就是说没有加lable的data,来让计算机学习出一个算法,来识别出这片数据之间的联系与区别,主要是完成聚类操作,这个方法在图片的识别(像素的聚类)、社会网络划分、市场划分,语音的提取(混杂的语音解析出一个个单个的语音)
3.Reinforcement Learning
强化学习主要是基于一个reward system(奖励/回报机制),通过定义什么是好的行为,什么是坏的行为,来对机器进行reward 或者punishment,之后就是需要一个学习型算法来弄清楚如何最大化的获取奖励、最小化的受到惩罚。(形象的理解如同训练一只狗一样,想让狗做什么事,做到了就奖励,没做到就惩罚,从而训练狗做你让它做的事)
阅读全文
0 0
- 《Machine Learning》第一讲 监督/非监督学习
- Machine Learning第八讲[非监督学习] --(一)聚类
- Machine Learning第八讲[非监督学习] --(二)动因
- Machine Learning 1 (监督学习与非监督学习)
- 监督学习和非监督学习(Machine learning)
- Machine learning —Machine learning :分类和聚类,监督学习和非监督学习
- Machine Learning第八讲[非监督学习] --(三)主成分分析(PCA)
- Machine Learning第八讲[非监督学习] --(四)PCA应用
- Machine Learning自学笔记(1)—监督学习和非监督学习
- Machine learning8-第一个非监督学习(聚类)
- Machine Learning(一) 监督学习初探
- 【Machine Learning】笔记:无监督学习
- Machine learning 监督与无监督
- Andrew Ng 《Machine Learning》第八讲——无监督学习(K-Means & PCA)
- 监督学习&非监督学习
- Stanford 机器学习 第一讲-------监督学习,无监督学习和半监督学习
- Machine Learning机器学习 - Supervised Learning监督学习 - Native Bayes
- 周志华《Machine Learning》学习笔记(15)--半监督学习
- PHP学习笔记——PHP数组中和键值搜索相关的函数2
- 和为S的两个数字
- 时间复杂度与空间复杂度2
- python的IO输入输出
- 大话数据结构
- 《Machine Learning》第一讲 监督/非监督学习
- IDEA搭建mybatis项目之异常:java.io.IOException: Could not find resource mapping/UserMapper.xml
- springboot整合mybatis 注解实现
- 求两个数的最大公约数。
- 使用phpqrcode生成二维码
- html之获取select的值
- POJ
- jsp 九大内置对象和其作用详解
- HTML5-表单相关新增元素和属性