什么是机器学习
机器学习的种类
- 监督学习:有输入(各种信息)、有确定答案(标签)的学习过程。
- 预测数值型数据的回归
- 预测分类标签的分类
- 预测顺序的排序
…
- 无监督学习:有输入、没有明确的答案,要求计算机自动收集信息,从而获取有用信息。
- 聚类
- 异常检测
…
- 强化学习:类似监督学习,通过自己评估结果实行奖惩形式的学习。
- 回归
- 分类
- 聚类
- 降维
…
…
机器学习任务的例子
- 回归:把实函数在样本点附近加以近似的有监督的函数近似问题。(对一个或多个自变量和因变量之间的关系进行建模、求解的一种统计方法)
- 分类:对于指定的模式进行识别的有监督的模式识别问题。
- 异常检测:对于正常数据和异常数据一般是未知的,一般采用密度估计的方法把离密度中心较远的数据当成异常数据。
- 聚类:具有相同特征的为同一个簇,无监督形式的分类。
- 降维:从高维度数据中提取关键信息,将其转换为易于计算的低纬度问题进而求解的方法。根据数据种类的不同分为有监督和无监督
…
机器学习的方法
argmax:取得最大值时的参数
联合概率(生产概率):p(x,y)
后检验概率:p(y|x)=p(x,y)/p(x)
- 产生式分类:通过预测数据生产概率p(x,y)来进行模式识别的分类方法,称为生成的分类。
- 判别式分类:
- 频率派
- 贝叶斯派