机器学习之机器学习是什么?(基础版)简单易懂

最新推荐文章于 2024-08-29 16:44:05 发布

飞行的牛tcc

最新推荐文章于 2024-08-29 16:44:05 发布

阅读量49

点赞数

文章标签：机器学习算法 python c语言青少年编程

本文链接：https://blog.csdn.net/Wu_ming_da_xia/article/details/134427497

版权

本文介绍了机器学习的基本概念，包括模型如何基于数据训练和优化，数据集（训练集和测试集）的作用，标记信息在分类和回归中的应用，以及监督学习（分类和回归）与无监督学习（聚类）的区别。

摘要由CSDN通过智能技术生成

什么是机器学习

首先我先放一张笔记,有需要可以拿走
在这里插入图片描述
(字迹有些潦草)

何为机器学习?

在当今的大数据时代,有着很多的信息,其中有很多不乏是垃圾信息.对于某一些垃圾信息，人们一眼就可以看出，这时我们就可以想?是否能训练机器，让其自己识别出这些垃圾信息，来为我们提供便捷呢？那么人们就想到了可以通过大量的数据来训练模型，让模型在一定情况下能够自行判断一些问题.所以机器学习就是基于数据产生训练模型（在面对新情况时模型会自行判断），并通过不断的训练，会优化模型，从而使正确率提升.

接下来我会为大家详细讲解一下，模型，数据集，假设，标记信息，分类和回归，聚类，监督学习和无监督学习来为大家初步介绍一下机器学习

模型

模型，就像一个懵懂无知的小孩，你问他问题（输入数据），他就会回答你（输出一个预测的值），但是这里要区分人工智能，因为它只能基于你给的数据来不断的提高预测结果的精度。并不具有自己的意识。

数据集

数据集，根据名字就知道，数据集就是承载数据的集合嘛。数据集一般分为两类，分别为训练集和测试集。"训练集"在训练阶段起重要意义，"测试集"在检验预测输出的阶段起重要作用

训练集以及假设

给一个模型输入训练集之后，模型会从数据中学习，那么从数据中学习的模型，我们称为"训练"或"学习"。在训练过程中，我们用到的数据叫做训练数据，其中每一个样本我们都可以理解它为基本的训练样本，而每一个训练样本合在一起就是一个训练集。模型经过不断的训练后，会形成某种未知的预测信息的能力，所以我们把它称为假设。而这种能力自身我们就将其称之为真相。