1.欢迎学习机器学习(machine learning)
来源:互联网 发布:软件开发项目管理 pdf 编辑:程序博客网 时间:2024/06/07 19:27
1.什么是机器学习
1.应用:图片、语音识别,垃圾邮件检测,诈骗检测,股票市场,教计算机下棋,自动驾驶汽车
2.人和机器的不同,人可以从过去的经验中进行学习,而机器只能执行编写好的代码定 义:教会计算机利用过去的经验来完成指定的任务。过去的经验,记录的数据,训练集
2.常见的机器学习算法
决策树
比如根据对用户下载的app分析数据,然后对不同的用户,推荐不同的app
朴素贝叶斯
垃圾邮件分类器,通过对垃圾邮件内容分析,归纳出几个代表垃圾邮件的特征词语,使用朴素贝叶斯概率算法,选出最可能是垃圾邮件的数据
线性回归
根据房屋的面积来预测房价是多少。划出一条直线,曲线来拟合
利用梯度下降:在山上,不停的望,寻找最低点,下降对数几率回归
逻辑回归,大学录取,查看学生的在校成绩,入学考试两方面考虑。划出一条直线,让错误划分的点最少—代表错误数目的对数损失函数,不停的调整线的角度,找出所有错误点带来误差之和,选出最小误差的那条
利用梯度下降:在山上,不停的望,寻找最低点,下降支持向量机svm
在一个面上,用一条直线,划分2类点,让靠近这条的线的点,到这条线的距离最大化,也用到梯度下降。
和逻辑回归相比,更加注意直线分类两侧的点核函数方法支持向量机,改善模型
在一个面上,无法用一条直线,划分2类点,可能需要曲线划分。还有种方法就是核函数,将平面上的点映射到三维空间,用平面进行划分
神经网络,改善模型
在对数几率回归的基础上,分类变复杂,一条直线分不开,需要多条直线划分。输入层,输入入学分数、在校成绩,—>中间层,隐含层,运算,最后输出结果,录取还是不录取
经常应用到:语音识别,下棋,自动驾驶
和支持向量机分类相比,使用多条直线,来划分区域K均值聚类
在3个不同地方的人群里,放置3个披萨店,怎样收到效益最大,用户最多。随机选择3个点地方,不停的迭代,让披萨店放到人群中,并把店附近的人聚类
层次聚类
还是放置披萨店,如果2个房子很近,怎么办?把相近的房子聚合在一起。当不知道存在多少聚类的情况下,但知道聚类之间的距离,把房子聚合在一起,然后放置披萨店。
- 1.欢迎学习机器学习(machine learning)
- Machine Learning 机器学习
- 机器学习(Machine Learning)
- 机器学习 Machine Learning
- 机器学习(Machine Learning)
- 【Machine Learning】1.机器学习简介
- 书评-Machine Learning(机器学习)
- 机器学习(Machine Learning)大家
- 机器学习(Machine Learning)入门科普
- 机器学习流水线(Machine Learning Pipelines)
- 终身机器学习(Lifelong Machine Learning)
- 1. Why Machine Learning Strategy 为什么需要机器学习策略(《MACHINE LEARNING YEARNING》翻译)
- 机器学习(Machine Learning, ML)
- 机器学习(Machine Learning)简介
- 机器学习【machine learning】学习笔记【1】
- 机器学习 Machine Learning 学习资料
- 机器学习分支:active learning、incremental learning、online machine learning
- 模式识别(Pattern Recognition)和机器学习(Machine Learning)
- DOM
- OOD(object oriented design)
- session过期、失效时间
- python: isinstance函数
- 前端存储的介绍和对比
- 1.欢迎学习机器学习(machine learning)
- Stanford NER模型使用,训练自己的NER模型,终端使用和java调用
- http协议以及几种常见的状态码
- STL学习笔记——2.stack
- Numpy学习笔记
- Django-restframework25 Pagination(分页)
- loongson2f_灵珑9S2A一体机原共创系统下备份设备驱动模块
- Reinforcement Learning:An introduction读书笔记-Chapter 2
- md5加密C语言实现