机器学习概念整理

最新推荐文章于 2022-01-19 21:33:51 发布
最新推荐文章于 2022-01-19 21:33:51 发布
阅读量252 收藏 1
点赞数
分类专栏： 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/Dulpee/article/details/86662757
版权

有监督学习:通过标注数据进行学习的方法，就叫做有监督学习
无监督学习:一组数据中只有样本没有标签，通过数据的特征进行学习的方法叫做无监督学习
泛化能力:算法的鲁棒性，对未知样本数据的适应能力。
方差:表示数据的离散程度
过拟合:一个训练好的模型中训练集上指标很好而在测试集上表现不好，解决方法:减少特征、增加数据量
欠拟合:模型在训练集上指标不好并且在测试集上表现也不好，解决方法:增加特征、增加数据量

ClintonZero
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习——概念整理（更新中）
许希律的博客
03-04 283
1.极大似然估计：极大似然估计思想的最简单解释 2.Knn算法 ：机器学习系列之——Knn算法 kd树详解 3.Precision、Recall、AP、MAP、IOU：性能指标（模型评估） 理解IOU、precision、recall、AP、mA...
机器学习概念
雪雪
02-23 764
一、什么是机器学习 机器学习是一种数据分析技术，教计算机执行人和动物与生俱来的活动：从经验中学习。机器学习算法使用计算方法直接从数据中“学习”信息，而不依赖于预定方程模型。当可用于学习的样本数量增加时，这些算法可自适应提高性能。 二、机器学习应用场景 随着大数据应用增加，机器学习已经成为解决以下领域问题的一项关键技术： 计算金融学，用于信用评估和算法交易 图像处理和计算机视觉，用于人脸识...
机器学习 实用技巧
overstack的专栏
06-12 5474
和大多数人一样，小弟对各种机器学习和数据挖掘算法都小有兴趣，常用的算法也都知道基本思想，但尝试不多。最近收集了一些算法的实用技巧，待有空时仔细研读。 （1）机器学习那些事 & 机器学习根基 那些事儿：http://homes.cs.washington.edu/~pedrod/papers/cacm12.pdf 根基：http://www.cs.cmu.edu/~tom/pubs
机器学习整理
sereasuesue的博客
08-30 229
1 概述交叉验证的使用：模型评价、超参数（阈值）优选，保证数据集同分布留一法交叉验证——MAE平均绝对误差 评价MAE（2 P68）实值函数回归2 KNN模型KNNStep1 预处理 x估计=x-μ/σ 并且记录{μ(k),σ(k),k=1,2,3,4} 平均错误率、标准差 Ste...
机器学习概念梳理（无公式）
包龙星的剑
05-30 353
1.机器学习是干什么的（1）分类如：输入大量的动物图片进行训练后，使机器能够区分哪只是狗，哪只是猫。（2）标注标注是分类问题的推广。和分类问题不同的地方在于，其输出结果不是简单的一个类别（如这是一条狗），而是一个标注序列。如：输入一个英文句子，输出该句子中每个单词的词性。（3）预测也叫回归。如通过往年某地房价数据，学习出一个模型，使得该模型可预测未来房价的趋势。2.机器学习的基本步骤李航老师在《统...
机器学习基本概念梳理（一）
weixin_43159224的博客
10-25 217
1.输入空间：输入所有可能取值的集合 2.输出空间：输出所有可能的集合 3.特征空间：所有特征向量存在的空间 4.统计学习方法三要素：模型、策略、算法。 5.监督学习的目的在于找到一个从输入到输出的映射，分为学习和预测。 6.期望损失：又称风险函数，R=∫L(y,f(x))P(x,y)dxdyR=\int_L(y,f(x))P(x,y)dxdyR=∫L​(y,f(x))P(x,y)dxdy,用经验...
【机器学习】机器学习一些概念的整理（不断更新中）
qq_32742009的博客
08-03 1562
维数灾难： 当特征维数很高的时候，即使训练集性能很好，也很有可能是由于过拟合造成的，模型的泛化能力很弱。 当特征维数很高的时候，样本映射到高维的特征空间下，距离度量逐渐失去了度量差异性的能力。 https://blog.csdn.net/zbc1090549839/article/details/38929215 https://blog.csdn.net/tanya_girl/articl...
机器学习的概念
胡伟煌的博客
12-29 1108
本文个人博客地址：http://www.huweihuang.com/article/machine-learning/machine-learning-concept/ 1. 机器学习的概念 1.1 Arthur Samuel的定义 ​ 机器学习是在特定的编程环境下，给予机器学习能力的领域。 1.2 Tom Mitchell的定义 ​ 机器学习是指一个程序被认为能从经验
机器学习-整理1
angeliacmm的博客
05-28 205
1.机器学习分类 目前机器学习主流分为：有监督学习，无监督学习，强化学习。 1.有监督学习： 通过学习许多有标签的样本，然后对新的数据做出预测。例如，准确识别新照片上的水果（分类）或者预测二手房的售价（回归）。 有监督学习可分为回归和分类。 回归：即给出一堆自变量X和因变量Y，拟合出一个函数，这些自变量X就是特征向量，因变量Y就是标签。 而且标签的值连续的，例LR。 分类：其数据集，由特征向量X和它们的标签Y组成，当你利用数据训练出模型后，给你一个只知道特征向量不知道标签的数据，让你
机器学习基本概念
qq_46617079的博客
01-19 436
一、基本概念 1、拟合 拟合是指对训练集数据的分辨能力，过拟合是指在拟合的过程中，不止学习了特征，还学习了噪声，导致模型在训练集的分辨能力很强，在测试集的分辨能力很弱 2、泛化 泛化是指模型对测试集的分辨能力，即适应新数据的能力 3、激活函数 激活函数的输出就是y，就是模型给出的y与实际的y进行比较 1⃣️、sigmoid函数 sigmoid函数的特点： [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-CnhqaONZ-1642599144784)(06abbe5c050
机器学习算法概览与关键概念整理
本文档对机器学习算法的核心概念进行了简洁而深入的概述，对于需要巩固基础或准备面试的人来说，是非常有用的参考资料。不过，由于它是针对有一定基础的学习者的，初学者可能需要结合更详细的教材和实践来深化理解。
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
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