李宏毅机器学习笔记——概述与介绍

最新推荐文章于 2024-07-24 18:14:54 发布
最新推荐文章于 2024-07-24 18:14:54 发布
阅读量373 收藏
点赞数
分类专栏： 李宏毅老师的《机器学习》 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Brandon1017/article/details/125720918
版权

介绍及概述笔记

机器学习

机器学习介绍

人工智能是目标，机器学习是手段，深度学习是一种方法。

机器学习是从数据中寻找一个或若干个规律/函数，并根据新的数据作出相对的回应。

机器学习流程

机器学习的三个步骤

学习总览

监督学习

回归 Regression

提供数据，找到合适的模型，对未来进行预测
代表性模型： Linear Regression（也有用于二分类）

分类 Classification

非线性模型：
Deep Learning，原理较为复杂。
SVM、决策树、K-NN…

二元分类

输出Yes or No
举例：垃圾邮件的判断
将带标签的数据喂给机器进行学习，预测不带标签的数据进行预测正负标签

多分类

输出是什么类别
举例：文章题材的分类
标签的类别有多种

半监督学习、迁移学习

适用于大多数训练数据的标签不完整或无关，之后再进行补充。

无监督学习

训练数据没有标签，让机器自己学习其中的规律/共性

结构化学习

举例：语音识别、机器翻译、人脸识别

强化学习

举例：Alpha Go（监督加强化）
不断获得反馈来调整模型

Brandon1017
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
李宏毅机器学习笔记——Anomaly Detection（异常侦测），ROC AUC score
iwill323的博客
11-02 1722
李宏毅机器学习笔记——Anomaly Detection（异常侦测） ROC AUC score
​李宏毅机器学习——领域适应Domain Adaptation
iwill323的博客
10-30 1739
​李宏毅机器学习——领域适应Domain Adaptation
李宏毅机器学习复习——第6章：集成学习
m0_46365814的博客
09-09 158
概述 集成学习包括两个方面：bagging和boosting。 这两种方法的共同点是需要多个模型融合，并且模型融合之后的效果优于单个模型效果。 差异在于： bagging融合的模型比较强，属于强学习器，而且模型之间是并行的。 boosting融合的是弱学习器，多个模型依次训练数据集。 bagging 这种集成方式适用于融合容易过拟合的模型，比如决策数。 典型的Bagging 模型就是随机森林。 boosting boosting按照顺序可以训练弱学习器，使融合的模型最终效果变得很好。具体思路是，通过第一个
李宏毅机器学习笔记【未完】
AbyssssssssssS的博客
05-17 1841
李宏毅2021/2022春机器学习课程 【《2021机器学习-李宏毅》学习笔记】 一、机器学习 1.机器学习基本概念 找一个函数。 深度学习：使用类神经网络的函数。 可以有各式各样的输入：向量，矩阵（如图像），序列（如语音，文本）；也可以有各式各样的输出：数值（regression），类别（classification），文本图像… 函数类别 Regression（回归）：输出是一个数值（scalar） Classification（分类）：给定选项/类别（classes），输出正确的 Structur
李宏毅机器学习复习——第5章：支持向量机（SVM）
m0_46365814的博客
09-09 372
概述 本节主要是通过支持向量机模型，完成二分类问题。正例记为1：负例记为-1。 支持向量机的核心有两点：合页损失函数以及核函数。 合页损失函数可以通过梯度下降方法优化模型参数。 核函数可以将线性不可分问题，转化为线性问题进行求解。 同时影响参数的样本点数量较少，因此支持向量机模型也可以用于深度模型中。逻辑回归中每一个样本点都会对结果产生影响，不适用于深度模型中。 合页损失函数（hinge loss）： 该函数的函数式如上图所示。当实际值与预测值同号且大于1时，损失函数最小。且该损失函数是一个凸函数，因此可
PaddlePaddle李宏毅机器学习特训营笔记——机器学习概述
weixin_47291626的博客
04-14 409
1. 机器学习引入 机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、 凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 ​ 机器学习是人工智能的一个子集，它是人工智能核心，是使计算机具有智能的根本途径。它表示计算机使用算法从数据中学习，允许机器识别不同模式，而组织可以通过各种方式运用此技术。专家表示，机器学习可以帮助组织通过非同以往的规模和范围执行任务。因此，它可以加快工作速度，减少错误，提高准确性，
李宏毅2022《机器学习/深度学习》——学习笔记（3）
dotJunz的博客
10-15 1232
如果参数已知，那么一个神经网络就是一个 function如果只是给出了一个网络结构，并没有确定参数，那么就是定义了一个函数的集合。Layer1 的所有输出都与 Layer2 的所有输入连接，所以叫全连接。Layer1 的输出给 Layer2，Layer2 的输出给 Layer3，所以叫前馈网络。
李宏毅深度强化学习导论——基本概念
日积月累，天道酬勤
03-21 962
李宏毅强化学习简介
ML学习笔记1——机器学习概述
weixin_44583520的博客
07-01 121
为了发研究生毕业论文，开始系统的学习逃不过的机器学习。实验室师兄推荐了李宏毅老师B站的课程，我将以博客的形式对所学的内容的大框架进行总结回顾，详细笔记记在ipad上，方便之后的复习。 机器学习，即是让机器找出输入与输出之间对应的函数。分为regression（回归）和classification（分类）两种。 对于训练集的处理步骤如下： 1）设置带未知参数的函数 这是基于设置Model的人的domain knowledge，也就得是相关领域专业人士来设置。在通过机器训练一段时间后，具有了一定的经.
视频学习笔记——李宏毅机器学习——P1，2
09-12
【机器学习介绍】 机器学习是计算机科学的一个分支，它的核心目标是使计算机系统具备自我学习的能力，从而在没有明确编程的情况下改善其性能。这源于人类的学习潜能，只不过在这里，我们试图通过算法和统计模型来...
李宏毅机器学习笔记
01-18
李宏毅机器学习笔记，文档文件，笔记全面，总结充分，仅供学习
李宏毅机器学习学习笔记
08-05
李宏毅机器学习学习笔记 本资源主要介绍了 Adaptive Learning Rate 的基本思想和方法，以及相关的算法和策略，如 Adgrad、RMSProp、Adam、Learning Rate Decay、Warm Up 等。 Adaptive Learning Rate 的主要思想是...
【李宏毅机器学习笔记】7、反向传播（Backpropagation）
01-06
【李宏毅机器学习笔记】6、简短介绍Deep Learning 【李宏毅机器学习笔记】7、反向传播（Backpropagation） 【李宏毅机器学习笔记】8、Tips for Training DNN 【李宏毅机器学习笔记】9、Convolutional Neural Network...
李宏毅2020机器学习作业2——Classification
01-21
开始之前声明：本文参考了李宏毅机器学习作业说明（需翻墙），基本上是将代码复现了一遍，说明中用的是google colab（由谷歌提供的免费的云平台），我用的是Jupyter Notebook 本文用到的资料在百度网盘自取点击下载...
Python 机器学习求解 PDE 学习项目——PINN 求解二维 Poisson 方程
qq_39538718的博客
07-23 1614
Python 机器学习求解 PDE 学习项目——PINN 求解二维 Poisson 方程
【机器学习算法基础】（基础机器学习课程）-08-决策树和随机森林-笔记
g1997c的博客
07-23 790
决策树通过选择能够最大化信息增益或最小化基尼指数的特征来进行数据的划分。最终，我们得到的树结构可以帮助我们做出分类或回归的决策。假设我们要根据天气情况（晴天、阴天、雨天）和温度（高、中、低）来决定是否去公园。熵：初始情况下，不知道天气和温度时，去公园和不去公园的比例是50/50，熵较高。条件熵：根据天气情况，发现晴天去公园的比例很高，雨天去公园的比例很低。信息增益：选择天气作为第一个划分特征，因为它能最大程度减少熵。增益率。
【机器学习】如何在Jupyter Notebook中安装库以及简单使用Jupyter实现单变量线性回归的模型f
m0_49243785的博客
07-24 1014
一个简单的线性回归的模型的实现过程
大学生挑战杯-喜树根器官培养和抗癌物质喜树碱生成的研究.rar
最新发布
07-26
大学生挑战杯-喜树根器官培养和抗癌物质喜树碱生成的研究.rar
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Brandon1017

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值