前情介绍
课程视频来源:http://open.163.com/special/opencourse/machinelearning.html
参考笔记黄海广博士的个人笔记:http://www.ai-start.com/
本笔记为个人学习笔记,作为初学者,实在是才疏学浅,也肯定存在问题,欢迎大家沟通交流。
一、监督学习
- 我们给计算机提供一组正确的数据集,也就是这个问题的标准答案 (标准输入对应的标准输出),让计算机分析这其中的联系,然后最后我们给他一个输入,让他得到输出
- 分类
- 回归问题——变量连续【房屋房价问题】
- 分类问题——变量离散【肿瘤问题】
- 在许多问题中要考虑输入多个变量和多个特征参考,一个参考属性作为一个维度,故会出现无限维的问题,你的数据可以在二维坐标画出来 但是无限维你没有办法。
解决方法:支持向量机算法,将数据映射到无限维之中。
针对这个无限维空间的点,暂时没讲?
**关注:数据量是否足够
二、无监督学习
- 给你一组数据,不告诉你正确答案,然后询问:你能在这组数据中寻找一些有趣的结构么?
- 无监督学习有趣在于 no right answer
- 常见案例
- 聚类问题——图片的像素分析
- 应用于计算机视觉 图像分析
- 应用聚类结果 得到图片的分类 然后构建3D模型
- 社会网络分析 市场划分 计算机集群组织
!由算法发现隐藏在数据背后的结构
三、强化学习
- 在一段时间内做一系列决策
- 回报函数:正确的事情获得正反馈
- 关键在于你要知道你自己想要什么 如何去定义一个行为是好的行为
- 应用领域:机器人 网页爬取