标签:机器学习
早(zhong)上(wu)起床看了看视频,小结一发~
机器学习是人工智能领域延伸出来的,作为一种工具可以和多学科交叉起来使用,常见的应用比如识别手写、自动飞行、医疗诊断、商品推荐等等。它用到的是一种学习型算法,需要的基本知识有线性代数、概统、数据结构和算法等。
定义
机器自动学习,无需直接的编程。
比如下棋时,总选择赢的概率大的局面。
Sec 1. Supervised Learning 监督学习
提供一系列的数据集,给出自变量对应的应变量(即存在正确答案),试图寻找两者之间的关系。然后再给出测试量,预测出应变量。这个过程很像高中物理实验作图、预测。根据数据连续或者离散,分类为:
- regression
即需要预测的量时连续的。eg. 价格和房屋面积的关系。 - classfication
基于特征分类,应变量取值为0或1. eg. 肿瘤良性与其大小的关系。
基于多组特征,要用高维刻画,故用向量机解决。
Sec 2. Learning Theory 学习理论
理论证明算法的准确度,估算学习的数据集是否足够大。
Sec 3. Unsupervised Learning 无监督学习
与监督学习对应,不明确应变量,只看到数据的聚类(cluster),需要从中寻找特殊结构。eg. 对像素进行分类创建3D模型,分离音频流。
用matlab实现的ICA算法,写起来只有一行,但是理论搞出这个式子还是要花很久啊。
Sec 4. Reinforcement Learning 强化学习
Reward Fuction定义了行为的好坏,对后续行为具有导向性,减少了代码量。eg. 机器人控制。
之后还是要继续回顾一下基础知识,学习matlab/python实现一些算法。