机器学习


立即下载 老夫的少女心
2024-03-28
学习 识别 监督 机器 预测 数据 模型 标签 训练 输出
577.1 KB

机器学习与人工智能
第一章、机器学习
一、概念
机器学习:基于过去预测未来的技术。
二、用途
1. 当人类专业知识不存在时。(在火星上航行)
2. 人类无法解释的专业知识。(语音识别)
3. 模型必须定制。(个性化医疗)
4. 模型需要基于大量的数据。(基因组学)
三、相关领域
统计学、数据挖掘、控制论、决策论、认知科学、心理学模型、神经科学、进化论、数
据库、信息论等。
四、评判标准
主要关注学习的有效性和准确性。
五、解决任务
1. 识别模式:面部识别、面部表情识别,手写体、口语识别、医学图像识别。
2. 生成模式:生成图像或运算序列。
3. 识别异常:不寻常的信用卡交易、核电厂中不寻常的传感器读数模式。
4. 预测:预测股票未来价格或货币汇率。
六、应用场景
网络搜索、计算生物学、财务、电子商务、太空探索、机器人、信息提取、社交网络、
调试软件。
机器学习的类型:
1. 监督(归纳)学习
训练数据 +输出结果(标签)
2. 无监督学习
训练数据(没有输出结果)
3. 半监督学习
输出结果 +一些输出结果
4. 强化学习
从一系列行动中获得奖励
主要内容
监督学习:线性回归、 Logistic 回归、 K 近邻、朴素贝叶斯、支持向量机、决策树、合
凑学习方法、神经网络、深度学习、正则化
监督学习:
分类:有限集的标签(银行根据客户收入和储蓄额区分低风险和高风险客户)
回归:标签是实数值(依据汽车里程数预测二手车价格、预测股票价格、流行病学、导
航、天气)
排序:标签是序号(给出一个查询和一组网页,根据相关性进行排序)
无监督学习:聚类分析、降维
无监督学习的应用
图像压缩、生物学信息(基因识别)、客户分块、分组
强化学习:
根据对动作进行评价和奖励去预测将来单个状态或行为动作进而选择最优的动作。
强化学习应用:训练机器学习让机器学会下棋。
分类的应用
人脸识别、 手写体识别、 垃圾邮件检测、 医学诊断(从症状到疾病) 、生物医学信息 (用
身体或行为特征面容、眼瞳、签字去识别 /验证)
第二章、机器学习的评估方法
2.1 监督学习的评价
根据训练集去训练模型或者是预测器。
总的来说, 不是根据一组数据就能判断一个模型的好坏, 而是通过多组数据测试后, 做
出评


学习/识别/监督/机器/预测/数据/模型/标签/训练/输出/ 学习/识别/监督/机器/预测/数据/模型/标签/训练/输出/
-1 条回复
登录 后才能参与评论
-->