机器学习课堂笔记1

本文是机器学习课程的笔记,重点介绍了机器学习的基本概念,包括何时适用机器学习、学习的三个关键要素,以及感知器模型在信用评分卡中的应用。通过感知器学习算法(PLA)的解释,阐述了线性可分数据的分类过程,并分析了其局限性。
摘要由CSDN通过智能技术生成

在学习了台湾大学Husan-Tian Lin老师的课程后,将一些知识和自己的一些体会整理成笔记。

机器学习基础课程中主要讲了四个部分:


1,机器什么时候可以学习

2,为什么机器可以学习

3,机器怎么学习

4,机器怎么样才能学得更好


本笔记从机器什么时候可以学习说起

现在机器学习的概念被炒的很火,但并不是什么问题都能用或应该用机器学习的方式来解决。我们可以通过以下条件判断是否可以用机器学习的方式解决手上的问题

机器学习的三个关键要素:improve some performance measure withexperience computed fomrdata

1, 要有目标。在使用机器学习的时候,要有目标让机器去实现,并且可以用这个目标衡量机器学习效果的好坏。比如最常见的二分类问题,需要让机器去判断是或不是,并且可以通过机器判断得

2,要值得使用机器去学习࿰

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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