机器学习随记【day01】
2022/1/11 23:04:06
本文主要是介绍机器学习随记【day01】,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
内容主要出自吴恩达机器学习网课
机器学习
Grew out of in AI
New capabilitiy for computers 计算机开发的新功能
部分应用
Data mining 数据挖掘
Applications cant program by hand 人无法手写的程序
Self-customizing programs 私人定制程序
Understanding human learning(brain,real AI) 理解人类学习与大脑
定义
Arthur Samuel (1959):Machine Learning: Field ofstudy that gives computers the ability to learnwithout being explicitly programmed.
在没有明确设置的情况下,使计算机具有学习能力的研究领域
Tom Mitchell(1998):Well-posed Learning Problem:A computer program is said to learn from experience E with respect to some task T and some performance measure P,if its performance on T,as measured by P,improves with experience E.
一个适当的学习问题定义如下:计算机程序从经验 E (程序与自己下上万次跳棋)中学习,解决某一任务 T (玩跳棋),进行某一性能度量 P (与新对手玩跳棋时赢的概率),通过 P 测定在 T 上的表现因经验 E 而提高。
问题
假设你的邮箱正在观察你将哪些邮件标记为垃圾邮件,并基于此学习如何更好的过滤邮件,那么在这里任务 T 是什么?
A. Classifying emails as spam or not spam.
B. Watching you label email as spam or not spam.
C. The number(or fraction) of eamils correctly classified as spam/not spam.
D. None of the above–this is not a machine learning problem
A 是任务T B是经验E C是度量P D雀氏一眼错啊
机器学习算法
最常用的监督学习与无监督学习
监督学习(Supervised learning)
无监督学习(Unsupervised learning)
Others
Reinforcement learning 强化学习
recommendersystems 推荐系统
这篇关于机器学习随记【day01】的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-12-17机器学习资料入门指南
- 2024-12-06如何用OpenShift流水线打造高效的机器学习运营体系(MLOps)
- 2024-12-06基于无监督机器学习算法的预测性维护讲解
- 2024-12-03【机器学习(六)】分类和回归任务-LightGBM算法-Sentosa_DSML社区版
- 2024-12-0210个必须使用的机器学习API,为高级分析助力
- 2024-12-01【机器学习(五)】分类和回归任务-AdaBoost算法-Sentosa_DSML社区版
- 2024-11-28【机器学习(四)】分类和回归任务-梯度提升决策树(GBDT)算法-Sentosa_DSML社区版
- 2024-11-26【机器学习(三)】分类和回归任务-随机森林(Random Forest,RF)算法-Sentosa_DSML社区版
- 2024-11-18机器学习与数据分析的区别
- 2024-10-28机器学习资料入门指南