机器学习基础

(强推)浙江大学-机器学习_哔哩哔哩_bilibili

机器学习定义：赋予计算机学习的能力，但这种能力不是通过显著式编程获得的

显著式编程：人为地把先验信息告诉计算机，让计算机根据先验信息总结出结果

非显著式编程：计算机自己总结规律的编程方法

 

 

（1）E：计算机下的每一步棋以及相应的结果 P：规定时间内计算机赢的次数

（2）E：垃圾邮箱和非垃圾邮箱 P：识别结果中垃圾邮箱占比

（3）E：大量的人脸数据 P：人脸识别准确率

（4）E：汽车驾驶的行为 P：到达指定地点的时间

 

（2）和（3）是一类机器学习任务，它们所有的经验E都是人工采集并输入计算机的，称为监督学习

（1）和（4）是另一类机器学习任务，经验E是由计算机与环境互动获得的，计算机产生行为，程序对这些行为用收益函数进行奖励或惩罚，同时计算机还会改变自己的行为模式去最大化收益函数，这一类机器学习任务称为强化学习

（1）传统监督学习：每个训练数据都有对应的标签

（2）非监督学习：所有训练数据都没有对应标签

 

 

（3）半监督学习：训练数据一部分有标签，一部分没有标签

 

机器学习第一步：特征提取

特征提取：通过训练样本获得的，对机器学习任务有帮助的多维度数据

没有免费午餐定理：