机器学习之一:一些基本观点

1.机器学习的含义

学习一直是生物具有的特性,在人类身上的表现尤为明显。机器学习,顾名思义,就是让机器(计算机、程序)也具备学习的能力。更精简点来说,就是通过经验提高性能的某类程序。

2. 机器学习研究的问题

为了让计算机(程序)具有学习的能力。首先要让程序明白三个问题:(1)学习要解决的问题 (任务T)(2)怎样算学好了(性能标准P)(3)通过什么知识或方式来提高自己(训练经验E)

比如下棋问题:

任务T:通过视觉传感器在公路上开车

性能标准P:平均无差错行驶里程

训练经验E:人类驾驶时的前视图和指令

怎么描述任务,怎么评估性能标准P,怎么将具体的知识抽象的描述出来。即将具体问题描述为实际问题(数学建模)是设计学习系统的难点与核心。

3. 如何设计一个学习系统(抽象建模)

3.1 选择训练经验

训练经验有三个重要属性:

(1)能否为系统的决策提供直接或间接的反馈;

          直接反馈:由已知的现有状态已知正确的下一步操作来训练。

          间接反馈:只知道经验序列和最终的结局。

          信用分配:若做一个决策需要经历很多步骤,则决定每一步对最终结果的贡献程度成为信用分配问题。

(2)学习器(相当于学习系统的大脑)可以在多大程度上控制训练样例序列。

(3)训练样例的分布能多好的表示实例分布。

3.2 目标函数

3.2.1 目标函数的选择和表示

程序只能看懂数学的东西,我们必须将任务T,知识E,性能标准P量化。这就需要定义一个目标函数来表征学习任务,能评价性能标准。但学习系统想要完美地学习一个理想的目标函数是非常困难的。所以我们希望通过学习算法得到近似的目标函数,过程称为函数逼近。

根据具体的学习任务,目标函数可以表示为线性函数、逻辑描述。决策树、人工神经元网络等等。

3.2.2 选择函数逼近算法

函数逼近就是通过某些准则使得近似的目标函数与理想目标函数的距离足够近,分为训练值估计和权值估计。

3.3 机器学习的一些观点

机器学习问题可以归结为搜索问题。函数逼近就是为了确定一组合适的权向量,即在权向量构成的假设空间里面寻找合适的假设。学习方法可以通过搜索策略和学习器探索的搜索空间的内在结构来刻画。




注:文章里的内容来源于《机器学习》和自己的理解。


1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看REaDME.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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