![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
郑之杰
热爱旅行家,深度学习者。
展开
-
计算机可以玩电子游戏吗?
电子游戏由于其休闲性与竞技性吸引了大量的人类玩家;计算机的兴起和人工智能的出现使人类看到了更多的可能性,那么计算机可以像人类一样操纵这些游戏吗?如果可以又如何能够训练计算机使其具有达到甚至超过人类玩家的游戏水平? 不妨幻想此刻的你是一个毫无游戏经验的菜鸟,而你的朋友跟你打赌如果你周末前能够把XX游戏打到100积分就请你吃一顿大餐。面对大餐的诱惑使你打开了游戏—— ...原创 2018-07-11 18:17:16 · 1728 阅读 · 4 评论 -
之杰的机器学习笔记:1.机器学习概述
机器学习(Machine Learning)作为一门新兴的学科,已经逐渐渗透进我们的生活之中;迄今为止对于机器学习尚没有官方的定义,下面是两个关于机器学习的定义不妨作为参考: 第一个定义是由Authur Samuel提出的:他认为所谓机器学习是指不需要对计算机进行明确的设置的情况下使计算机拥...原创 2018-07-26 12:41:59 · 315 阅读 · 1 评论 -
之杰的机器学习笔记:2.单变量线性回归
现在我们开始讨论监督学习中的回归问题,这里我们从最简单的例子开始。 我们不妨可以思考一个非常理想化的问题:假设有一棵小树苗,当我们给它浇水时它会生长,如果营养足够可以认为浇水量x和树苗的高度h服从一定的线性关系。也就是说,如果我们浇水x升树苗会长高θx米,那么浇水2x升的话树苗就会长高2θx米...这听上去非常理想,事实上树苗的生长仍受到自然环境的影响。 上述问题的简单之处主要体现在两点:...原创 2018-07-27 20:26:20 · 238 阅读 · 0 评论 -
之杰的机器学习笔记:3.多变量线性回归
上一篇文章中我们简单的讨论了单变量线性回归,在一个特征的情况下如何建立线性回归模型。事实上描述一个事物的特征往往不是唯一的。就拿给树苗浇水来说,影响树苗长高的因素不仅仅是浇水量,还有日照时间、温度等等...当我们考虑更多特征时,问题的模型会变得更加完善,更加接近我们的真实世界,同时也会变得更加复杂。这里我们仍然假设每个特征对于结果的影响是线性的,进一步来讨论一下多变量线性回归(Mu...原创 2018-08-20 22:12:56 · 274 阅读 · 0 评论 -
之杰的机器学习笔记:4.Logistic回归
之前已经详细的介绍了监督学习中的回归方法,它有助于我们解决连续世界的许多问题,但是当我们想要解决离散问题——比如区分照片中的猫和狗,线性回归显然不那么有效。与此相对应的分类算法则在离散世界中大放异彩;下面我们来讨论一下分类。 从某种程度上说,离散世界比连续世界简单而美丽。对于离散问题,不需要准确的预测变量随时间的连续变化,而仅仅需要分辨不同的类。对于最简单的离散问...原创 2018-08-21 16:03:59 · 302 阅读 · 0 评论