机器学习—概念、三要素

本文介绍了机器学习的基本概念,强调了机器学习的三要素:模型(包括线性和广义线性方法)、学习准则(如损失函数:0-1损失、平方损失、交叉熵损失)以及优化算法(如梯度下降法的变体)。通过理解这些核心概念,可以更好地掌握机器学习的理论基础和实践应用。
摘要由CSDN通过智能技术生成

目录

1.1  基本概念

1.2  机器学习的三要素

1.2.1 模型

1.2.2 学习准则-损失函数

1.2.3 优化算法


1.1  基本概念

       机器学习(ML)≈ 构建一个映射函数

       概念:从数据中获得决策(预测)函数使得机器可以根据数据进行自动学习,通过算法使得机器能从大量历史数据中学习规律从而对新的样本做决策。

1.2  机器学习的三要素

1.2.1 模型

             线性方法:f(x,\theta )=W^{T}X+bX特征向量shape=n,1W权重

             广义线性方法:f(x,\theta )=W^{T}\Phi (x)+b

         如果Φ(x)为可学习的非线性基函数,

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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