【机器学习】3.常见算法分类

算法

算法:是利用计算机解决特定问题的处理步骤,是优先操作的集合。

跳棋

以机器学习下西方跳棋为例,其特定问题描述如下:

  • 任务T: 下西方跳棋
  • 性能标准P: 赢棋的概率
  • 经验E:和自己对弈
  • 目标函数:V

通过将棋盘上的棋子进行评分,并将棋子所在的位置和一个目标函数V建立联系,该目标函数V的值可以描述当前棋盘局面。在棋子,局面和性能标准P之间建立联系,将P描述成一个和棋子,局面相关的函数,根据幽有的数据(经验E)去求解P中各相关参数的最优值。

由身高预测体重

收集了一些人的身高和体重,基于这些已知信息,去预测一个身高已知的人的体重。

两个变量的关系(设身高为x,体重为y)可用最简单的线性关系描述:y=ax+b需要根据已有数据,去求解该模型的两个参数:a和b,然后利用该公式去预测。
两个未知参数,对于任意两条已知记录,即可求出两者的值。为了能得到更普遍可信度更高的模型,需尽可能地使用已有的样本数据,即越多的记录参与到成桉树去接的方过程中,求出的结果更具普遍性。
将所有的记录依次带入y=ax+b得到公式计算结果y‘,每一个计算值y’和真是值y的差即为预测误差Δ,预测误差Δ实际上是一个关于参数a,b函数:Δ(a,b),我们要做的是找到某一组参数(a,b)使得误差Δ(a,b)最小即可。

在这里插入图片描述
在这里插入图片描述

常见机器学习算法分类

按学习方式不同分类:

  • 监督式学习(Supervised learning): 利用一组已知类别的样本来训练模型,使其达到性能要求。特点为输入数据(训练数据)均有一盒明确的标志或结果(标签)。即我们提供样例“教”计算机如何学习。

在这里插入图片描述

  • 例如教机器识别猫,拿出很多猫的样本和特例,标记出猫的特点。
    在这里插入图片描述

  • 无监督学习(Unsupervised learning): 从无标记的训练数据中推断结论。其特点为输入数据(训练数据)不存在明确的标识或结果(标签)。常见的无监督学习分为聚类,即发现隐藏的模式或者对数据进行分组。即计算机根据我们提供的材料“自动”学习,给定数据,寻找隐藏的结构或者模式。
    在这里插入图片描述

  • 例如:给一组集体照片,不告诉你怎么分类,但是它可能按年龄分类,也可能按性别分类,让它自己分析。

  • 半监督学习

  • 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