Coursera机器学习基石笔记Week1

The Learning Problem

What is Machine learning?

machine learning:

improving some performance measure with experience computed from data。

Key Essence of Machine Learning
  1. 存在潜在因素可以学习

    so performance measure can be improved

  2. 没有可编程的规则

    所以需要机器学习

  3. 必须有数据

    所以机器学习才可以有输入进行学习

Applications of Machine learning

可以应用在方方面面。通过数据导入进机器学习的模型,从而习得某个技能。

Components of Machine learning

在这里插入图片描述

上述就是一个大概的一个机器学习算法的流程。

但是很明显我们无法编码出我们要的target function。我们只能尽量模拟假说g去近似目标函数。

Machine Learning and Other Fields

在这里插入图片描述

机器学习和数据挖掘是密不可分的。

在这里插入图片描述

机器学习是实现人工智能的一种方式。

在这里插入图片描述

统计的一些工具方法可以用来实现机器学习。

机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径。 机器学习的发展历程可以追溯到20世纪50年代,当时Arthur Samuel在IBM开发了第一个自我学习程序,一个西洋棋程序,这标志着机器学习的起步。随后,Frank Rosenblatt发明了第一个人工神经网络模型——感知机。在接下来的几十年里,机器学习领域取得了许多重要的进展,包括最近邻算法、决策树、随机森林、深度学习等算法和技术的发展。 机器学习有着广泛的应用场景,如自然语言处理、物体识别和智能驾驶、市场营销和个性化推荐等。通过分析大量的数据,机器学习可以帮助我们更好地理解和解决各种复杂的问题。例如,在自然语言处理领域,机器学习技术可以实现机器翻译、语音识别、文本分类和情感分析等功能;在物体识别和智能驾驶领域,机器学习可以通过训练模型来识别图像和视频中的物体,并实现智能驾驶等功能;在市场营销领域,机器学习可以帮助企业分析用户的购买行为和偏好,提供个性化的产品推荐和定制化的营销策略。 总的来说,机器学习是一个快速发展且充满潜力的领域,它正在不断地改变我们的生活和工作方式。随着技术的不断进步和应用场景的不断扩展,相信机器学习将会在未来发挥更加重要的作用。
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