机器学习基础新篇章（一）概述

已于 2023-08-17 16:10:36 修改
阅读量272 收藏 2
点赞数 8
分类专栏： 学习笔记 文章标签： 机器学习 算法 人工智能 深度学习
于 2021-10-17 13:16:32 首次发布
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/Eterlove/article/details/120805838
版权

作者：嵌入式历练者

ID : Eterlove

记下相关笔记，记录我的学习生活！站在巨人的肩上Standing on Shoulders of Giants!

目录

概述

1.机器学习的定义（MachineLearning）

2.机器学习的重点

概述

        最近的研究课题需要机器学习的知识，那就从基础的学习吧，我的方法是每次接触到一个新的领域，先看视频不断总结，记下相关笔记。到一定阶段后才去看经典的书籍和涉及实验应用。

        先把第一阶段的工作做好，这里我看的是blibli的视频，强烈推荐学习浙大的机器学习课程。(强推)浙大2021-机器学习_哔哩哔哩_bilibili。胡浩基胡教授在国内的机器学习教学领域如同一个传火者，星星之火，可以燎原。这段时间我会写下相关笔记记录发在我的博客上，在这个方面我还是一个小白，欢迎各位大佬提出正确性的意见。

        再此我声明两点：1.该笔记绝大多数知识点来自浙大的机器学习课程，相关图片截屏于浙大课程的PPT上，但笔记是我亲自创作，所以转载请注明出处和作者,该博客只用于学习，禁止用于商业及其他用途。

       2.创作的初衷是为了学习和复习基础，形成相关知识体系。对于进阶机器学习的人没有太多实质性的帮助，笔记不断更新，但可能结构上可能没有前后联系的章法，请读者谅解，若有需要自行翻阅学习。

1.机器学习的定义（MachineLearning）

如何理解及区分显著性编程和非显著性编程？非显著性编程是让计算机自己总结其规律的编程方法

我们规定行为和收益函数之后，让计算机自己去找收益函数最大化的行为，拿机器人去咖啡来说，机器人撞在了墙上或摔倒了，规定机器人的收益函数为负值，而如果机器人采取某种行为取得了咖啡，则奖励机器人的这种行为收益函数为正值。

2.机器学习的分类

按照任务是否需要和环境交互获得经验，把机器学习分为监督学习和强化学习。

 

2.机器学习的重点

        机器学习的重点不是研究如何提取好特征，而是假设已经提取好特征的前提下，如何构造算法获得更好的性能。

嵌入式历练者
关注
  • 8
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
机器学习复习提纲，机器学习概述
01-16
第一章 机器学习概述 1、显著式编程与非显著编程的区别？ 显著式编程：要帮机器人把他所处的环境调查的一清二楚。 非显著式编程： -规定机器人可以采取的一系列行为 -规定在特定环境下，机器人做这些行为所带来的收益，称之为收益函数 -规定行为和收益函数之后，让计算机自己去找最大化收益函数的行为通过数据和经验的自动学 习，完成我们交给的任务 1. 机器学习的定义 机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如 何在经验学习中改善具体算法的性能 机器学习是对能通过经验自动改进的计算机算法的研究 机器学习是用数据或以往的经验，以此优化计算机程序的性能标准 1. 根据监督学习、非监督学习、半监督学习与强化学习的定义与特点判断问题的解决方式 PPT 第一章第 25 页-29 页 第二章 k 近邻算法
浙江大学机器学习配套资源（胡老师）.rar
09-09
这是浙江大学胡老师机器学习的相关配套资源，包含 课程PPT 编程大作业 编程作业 课堂笔记 例程 纸质作业 希望能对机器学习爱好者提供便捷的帮助，大家一起加油！
机器学习基础概述-阿里巴巴技术联盟.zip
08-14
机器学习基础概述-阿里巴巴技术联盟 -直接ppt.md，根据ppt改编的md笔记档，方便实用。
浙江大学机器学习（胡浩基）课程学习笔记一：概述与支持向量机
qq_46056318的博客
07-29 1780
机器学习一个计算机程序被称为可以学习，是指它能够针对某个任务T和某个性能指标P，从经验E中学习。这种学习的特点是，它在T上的被P所衡量的性能，会随着经验E的增加而提高。（较之定义一更数学化）任何一个预测函数，如果在一些训练样本上表现好，那么必然在另一些训练样本上表现不好，如果不对数据在特征空间的先验分布有一定的假设，那么表现好与表现不好的情况一样多。如果原问题的目标函数是凸函数，限制函数为线性函数，则f(ω*)=θ(α*，β*)SVM是先解决线性可分的问题，然后将线性可分的结论推广到线性不可分中。...
机器学习（浙大胡浩基）
m0_52133556的博客
02-09 909
机器学习科普
浙江大学人工智能课程课件
11-18
浙江大学人工智能课程课件，内容有： Introduction Problem-solving by search( 4 weeks) Uninformed Search and Informed (Heuristic) Search （1 week） Adversarial Search: Minimax Search, Evaluation Functions, Alpha-Beta Search, Stochastic Search Adversarial Search: Multi-armed bandits, Upper Confidence Bound (UCB),Upper Confidence Bounds on Trees, Monte-Carlo Tree Search(MCTS) Statistical learning and modeling (5 weeks) Probability Theory, Model selection, The curse of Dimensionality, Decision Theory, Information Theory Probability distribution: The Gaussian Distribution， Conditional Gaussian distributions， Marginal Gaussian distributions， Bayes’ theorem for Gaussian variables， Maximum likelihood for the Gaussian， Mixtures of Gaussians, Nonparametric Methods Linear model for regression: Linear basis function models； The Bias-Variance Decomposition Linear model for classification ： Basic Concepts; Discriminant Functions (nonprobabilistic methods); Probabilistic Generative Models; Probabilistic Discriminative Models K-means Clustering and GMM & Expectation–Maximization (EM) algorithm, BoostingThe Course Syllabus Deep Learning (4 weeks) Stochastic Gradient Descent, Backpropagation Feedforward Neural Network Convolutional Neural Networks Recurrent Neural Network (LSTM, GRU) Generative adversarial network (GAN) Deep learning in NLP (word2vec), CV (localization) and VQA(cross-media) Reinforcement learning (1 weeks) Reinforcement learning: introduction
浙江大学机器学习（胡浩基）学习笔记二：人工神经网络、深度学习
qq_46056318的博客
08-02 1299
它们的参数是互相关联的，可以利用神经网络结构来简化求偏导的计算，用已经计算出的偏导数链式求导法则求出未求出的偏导数。如果问题简单，则神经网络层数与每层神经元个数可以少一些，如果问题复杂，则神经元个数与神经网络层数可以多一些。人工智能模拟的是人类大脑对世界的认识。在现在及可预见的未来，人类无法完全了解人脑的认知机理，计算机与人脑具有完全不同的物理属性与体系结构。定理如果层与层之间的非线性函数是阶跃函数，则三层神经网络可以模拟任何决策面。它从输出往输入推，先计算离输出较近的偏导数，再计算离输出较远的偏导数。..
中国大学MOOC胡浩基的机器学习第二章（支持向量机）兵王问题python版本——在python上初步使用libsvm
ccutyear的博客
06-03 5716
在中国大学MOOC上看了胡浩基的机器学习课程，完全面向入门人群感觉挺好。其中有关原理的部分讲的很细。（虽然有几个细节我还是没懂.......）其中在第二章的例题兵王问题中课程只给了MATLAB的版本。但是，我相信也有极小部分人和我一样对MATLAB不太熟悉的。所以，我自己就按照我对老师的MATLAB的代码的理解写了python版本。先放源码大多数的内容我都会写在注释（中文）上，还有几个我认为大家可能会有疑惑的地方会在之后列出。 ...
第一章 机器学习（浙大胡浩基教授）
qq_39114701的博客
11-28 2078
ARTHUR SAMUEL对机器学习的定义: 机器学习是这样的领域，它赋予计算机学习的能力，(这种学习能力)不是通过显著式编程获得的。 让计算机自己总结的规律的编程方法，叫做非显著式编程。 我们规定了行为和收益函数后，让计算机自己去找最大化收益函数的行为。 机器学习的定义 一个计算机程序被称为可以学习，是指它能够针对某个任务T和某个性能指标P，从经验E中学习。这种学习的特点是，它在T上的被P所衡量的性能，会随着经验E的增加而提高。 机器人冲咖啡的例子： 任务T: 设计程序让机器人冲咖啡 经验E：
中国大学mooc胡浩基老师机器学习第一章单元试题
m0_37783250的博客
06-11 2302
第1题-单选 给人脸打上标签再让模型进行学习训练的方法，属于（A） A.监督学习 B.强化学习 C.半监督学习 D.无监督学习 第2题-单选 机器学习进行的第一步是（D） A.交叉验证 B.数据收集 C.模型训练 D.特征提取 第3题-单选 一般来说，在机器学习中，用计算机处理一幅的图像，维度是：（B） A.三维 B.上万维 C.二维 D.一维 第4题-单选 在讲解“没有免费午餐定理”的时候，我们假设以上每一种情况出现的概率相同，请问这样的假设是基于如下哪种经验？（B） A.实践经验 B.无经验 C.常识经
计算机学院 机器学习课件
12-16
计算机学院 机器学习 智能算法 神经网络，马尔科夫链 等只能算饭
机器学习+概率论基础一
12-07
机器学习+概率论基础一
机器学习基础介绍课件ppt
10-22
机器学习基础介绍课件 机器学习基础介绍课件 机器学习基础介绍课件
学习机器学习基础算法总结
03-02
学习机器学习基础算法总结学习机器学习基础算法总结学习机器学习基础算法总结学习机器学习基础算法总结学习机器学习基础算法总结学习机器学习基础算法总结学习机器学习基础算法总结学习机器学习基础算法总结学习机器...
GAN:对抗式生成网络之图片生成
flomingo1的专栏
04-13 795
对抗式生成网络（Adversarial Generative Network, AGN）是一种机器学习模型，由两个成对的模型组成：生成器和判别器。生成器试图生成与真实数据类似的新样本，而判别器则尝试区分真实样本和生成器生成的样本。这两个模型通过对抗的方式进行训练，逐渐提高生成器生成的样本的真实度。
机器学习和深度学习--李宏毅 （笔记与个人理解）Day 16
weixin_65403042的博客
04-14 234
这里说dl 会提供一个足够大的模型， 来使得Dall loss 足够小，但是从这里没有看出来deepLearning 更好呀，这不是还是需要一个big training data 嘛。同样的function 参数较少 – 以为着较少的over fitting and less training data。最近在减重， 昨天跑了个一公里，然后今天上午又打了个篮球，真是老胳膊老腿了，运动完给我困得不行。Review 见前面的笔记。
华为校招机试 - 扑克牌消除（20240417）
最新发布
伏城之外的博客
04-18 167
已支持（Java & JS & Python & C & C++），实现：栈结构
洛谷【入门1】顺序结构
weixin_69583420的博客
04-12 652
洛谷【入门1】顺序结构——python
基于机器学习的路面病害检测概述
09-10
基于机器学习的路面病害检测是一种利用机器学习算法和技术来自动识别和检测路面病害的方法。路面病害包括裂缝、坑洞、龟裂等，它们对道路的安全性和可行性都有重要影响。 这种方法通常包括以下步骤：首先，需要采集...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

嵌入式历练者

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