机器学习的主要术语

最新推荐文章于 2018-12-21 18:34:16 发布
最新推荐文章于 2018-12-21 18:34:16 发布
阅读量232 收藏
点赞数
分类专栏： 机器学习 机器学习
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/fisherming/article/details/79417397
版权

1. 监督式学习：机器学习通过如何组合输入信息，来对从未见过的数据做出有用的预测

2. 标签：要预测的事物y。（无标签的样本包含特征，但是不包含标签）

3. 回归：可以预测连续值

4. 分类：分类模型可以预测离散值。

5. 训练模型：通过有标签样本来学习所有权重和偏差的理想值。

6. 经验风险最小化：训练多个样本并尝试找出课最大限度地减少损失的模型



baidu-liuming
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习——基本术语
Algorithmguy的专栏
03-29 2025
第一章  基本术语 定义：从数据中自动的归纳逻辑或规则，并根据这个归纳的结果与新数据来进行预测的算法。要讨论算法的相对优劣，必须要针对具体的学习问题。 目标：使得学得的模型能很好的适用于“新样本”，而不仅仅在训练样本上工作得很好，即便是对聚类这样的无监督学习，也希望学得的聚划分能适用于没在训练集中出现的样本。 样本（示例、特征向量）： 数据集中的每个记录称之为样本或者示例。  属性空间（样
Google机器学习术语表.pdf
03-28
想要学习机器，并且深入了解的人群，想要快速有进步的
机器学习术语
zuoweijie_的博客
03-22 253
问题构建 (Framing)：机器学习主要术语预计用时：8 分钟什么是（监督式）机器学习？简单来说，它的定义如下：机器学习系统通过学习如何组合输入信息来对从未见过的数据做出有用的预测。下面我们来了解一下机器学习的基本术语。标签在简单线性回归中，标签是我们要预测的事物，即 y 变量。标签可以是小麦未来的价格、图片中显示的动物品种、音频剪辑的含义或任何事物。特征在简单线性回归中，特征是输入变量，即 x...
机器学习（1）从基本术语开始
CCH陈常鸿Blog
11-04 490
哦~从这章开始，要写一个系列有关机器学习的套路。 从原理开始吧，机器学习的代码到处都能找到呢。 选教程的话，推荐周志华的《机器学习》，视频教程看吴恩达教授的机器学习公开课就可以了。 数据集（data set），样本（sample)或特征向量(feature vector），特征(feature)或者属性(attribute),属性值(attribute value)，维数(dimen
【机器学习算法总结】GBDT
yyy430的博客
12-21 2万+
目录 1、GBDT 2、GBDT思想 3、负梯度拟合 4、损失函数 4.1、分类 4.2、回归 5、GBDT回归算法 6、GBDT分类算法 6.1、二分类 6.2、多分类 7、正则化 8、RF与GBDT之间的区别与联系 9、优缺点 优点 缺点 10、应用场景 11、主要调参的参数 12、sklearn.ensemble.GradientBoostingClass...
机器学习定义及基本术语（根据周志华的《机器学习》概括）
工程师小星星
07-25 5871
机器学习的定义 机器学习是这样一门学科：通过计算的手段，学习经验（也可以说是利用经验）来改善系统的性能。 在计算机系统中,经验（Experience）通常是数据（Data）； 学习算法（Learning algorithm）学习产生数学模型（Model），不断改善系统性能（Performace）。 【Mitchell 1997】给出了一个更形式化的定义：假设用P（Performace）来评...
机器学习术语表
03-15
包含机器学习相关的术语解释表。 A/B 测试 (A/B testing) 一种统计方法，用于将两种或多种技术进行比较，通常是将当前采用的技术与新技术进行比较。A/B 测试不仅旨在确定哪种技术的效果更好，而且还有助于了解相应...
机器学习专业术语详解.docx
最新发布
03-26
机器学习 (Machine Learning): 是一门研究如何使计算机系统利用经验数据改善其表现的技术，无需进行显式编程。 监督学习 (Supervised Learning): 基于带有标签的数据集训练模型，以便预测输出或分类新数据。 ...
谷歌机器学习术语表
03-16
本资源为高清pdf版，主要内容是google提供的深度学习相关的术语，为提供学习用途
开发者必看：超全机器学习术语词汇表！
Lunaqi的博客
10-24 2156
A 准确率（accuracy） 分类模型预测准确的比例。在多类别分类中，准确率定义如下： 在二分类中，准确率定义为： 激活函数（Activation function） 一种函数（例如 ReLU 或 Sigmoid），将前一层所有神经元激活值的加权和输入到一个非线性函数中，然后向下一层传递该函数的输出值（典型的非线性）。 AdaGrad 一种复杂的梯度下降
带你彻彻底底搞懂朴素贝叶斯公式
热门推荐
刘明的博客
03-10 9万+
本文参考了该博客的实例，但该博客中的朴素贝叶斯公式计算错误，评论中的也不对，所以，重新写一篇。一. 朴素贝叶斯      朴素贝叶斯中的朴素一词的来源就是假设各特征之间相互独立。这一假设使得朴素贝叶斯算法变得简单，但有时会牺牲一定的分类准确率。    首先给出贝叶斯公式：    换成分类任务的表达式：     我们最终求的p(类别|特征)即可！就相当于完成了我们的任务。     则，朴素贝特斯公式...
“分类”和“回归”问题的区别
刘明的博客
03-21 3万+
其实分类和回归的本质是一样的，都是对输入做出预测，其区别在于输出的类型。 分类问题：分类问题的输出是离散型变量(如: +1、-1)，是一种定性输出。(预测明天天气是阴、晴还是雨) 回归问题：回归问题的输出是连续型变量，是一种定量输出。(预测明天的温度是多少度)。...
条件概率分布、联合概率分布和边缘概率分布
刘明的博客
03-10 1万+
一. 联合概率分布      小明玩扔飞镖，飞镖偏离靶心是不确定的，所以适合用概率模型来描述。先已知飞镖偏离靶心与标靶距离和风速都有关。假定标靶距离可以是10-20米，风速可以是1-10米/秒，现统计每个标靶距离、每个风速下，小明所扔飞镖小于1厘米的概率。距离(米)风速(米/秒)偏离小于1厘米的概率偏离大于1厘米的概率10199%1%11198%2%12197%3%……………………10289%11...
对混淆矩阵、F1-Score
刘明的博客
02-23 1万+
（一）混淆矩阵 混淆矩阵是除了ROC曲线和AUC之外的另一个判断分类好坏程度的方法。下面给出二分类的混淆矩阵 Predicted as Positive Predicted as Negative Labeled as Positive True Positive(TP) False Negative(FN) Labeledas Negativ...
PCA为什么要进行中心化
刘明的博客
05-08 1万+
如果没有对数据做中心化，那算出来的第一主成分的方向可能就不是一个可以“描述”（或者说“概括”）数据的方向了。还是看图比较清楚。 黑色线就是第一主成分的方向。只有中心化数据之后，计算得到的方向才能比较好的“概括”原来的数据。...
k-means聚类算法
刘明的博客
04-01 1万+
聚类算法 聚类算法是一种典型的无监督学习算法，该算法将样本划分为若干个不相交的簇。聚类结果簇内相似度高，簇间相似度低。常用的相似度计算方法为欧氏距离。 常用的聚类算法有：原型聚类、层次聚类、密度聚类 k-means算法 k-means算法首先随机选取k个质心，计算每个样本和k个质心的相似度（欧氏距离），选择相似度最高的质心所在的簇作为该样本的类别，形成k个簇。然后重新计算每个簇的质心（当前...
对L1正则化和L2正则化的理解
刘明的博客
03-09 1万+
一、 奥卡姆剃刀(Occam's razor)原理：         在所有可能选择的模型中，我们应选择能够很好的解释数据，并且十分简单的模型。从贝叶斯的角度来看，正则项对应于模型的先验概率。可以假设复杂模型有较小的先验概率，简单模型有较大的先验概率。   二、正则化项     2.1、什么是正则化？      正则化是结构风险最小化策略的实现，在经验风险上加一个正则项或罚项，正则项一共有两种L1...
特征处理和特征选择
刘明的博客
04-13 1万+
特征处理之统计特征 历届的Kaggle/天池比赛，天猫/京东排序和推荐业务线里模型用到的特征 1.加减平均：这个用户所买商品高于所有用户购买商品平均价格的多少（权衡一个人的消费能力），用户连续登录天数超过平均多少（表明这个用户对该产品的黏性） 2.分位线：商品属于售出商品价格的多少分位线处。（比如20%，说明20%的人买东西都不会低于这个价格）。 3.次序型：排在第几位。 4.比...
谷歌官方机器学习术语详解
"谷歌官方的机器学习术语表涵盖了广泛的机器学习和TensorFlow相关的专业词汇，旨在帮助学习者理解和掌握相关概念。" 在机器学习领域，理解术语是非常关键的，以下是一些重要的概念详解： 1. **A/B测试**：这是一种...
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
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