Notes of Machine Learning
2019.11
初识机器学习
进入21世纪,纵观机器学习发展历程,研究热点可以简单总结为2000-2006年的流形学习、2006年-2011年的稀疏学习、2012年至今的深度学习 、未来迁移学习?
人工智能的真正挑战在于解决对人来说很容易执行,但很难形式化描述的任务。
常用的10大机器学习算法有:决策树、随机森林、逻辑回归、SVM、朴素贝叶斯、K最近邻算法、K均值算法、Adaboost算法、神经网络、马尔科夫
大致分类:
监督式学习:决策树、KNN(K邻近)、朴素贝叶斯、逻辑回归、支持向量机
非监督式学习:聚类、主成分分析PCA
深度学习:卷积神经网络、自编码器、循环神经网络
Deep Learning
初识
让计算机从经验中学习,根据层次化的概念体系来理解世界,每个概念通过与相对简单的概念之间的关系定义。
数学基础
一维数组,二维矩阵,三维张量
雅可比Jacobian矩阵
海森Hessian矩阵
Logistic sigmoid 函数
f ( x ) = 1 1 + e − x f(x)=\frac{1}{1+e^{-x}} f(x)=1+e−x1
输出类似sigmoid曲线