一丶 机器学习概念
概述: 机器学习是人工智能具有智能的必要技术手段,人工智能的核心,机器学习是致力于研究如何通过CPU和GPU(图形图像处理器)的计算,利用经验或数据来改善计算机系统自身的性能
总结: 机器学习模型=数据+算法
如果有新的数据,我们只需要带入到Model中就可以输出预测值
什么不是机器学习?
比如对于计算问题丶已经知道结果等不是机器学习问题(比如: 统计成绩搞的同学的topN)
机器学习其实就是需要有一个预测的过程
机器学习概念补充:
1.说明: X: 特征或属性 Y:类别标签类或预测的值
训练集和测试集
: 通常要将数据集分为两部分,训练集用来模型的训练,测试集用来模型测试模型的好坏程度.模型的好坏
:训练误差
(模型预测在训练集上的Y值误差)丶测试误差
(模型预测在测试集上Y值的误差)丶准确率
(分对的/全部)丶错误率
(1-正确率)
二丶两种学习方式
基于规则的学习
: 主要是通过基于专家发现的规则,指定规则,只需要新数据带入规则进行判断即可基于模型的学习
: x:特征数据 --> f(函数-模型) --> Y(结果数据),基于模型就可以直接预测分析得到结果数据
三丶术语
3.1机器学习分