认知——机器学习、数据

What

自己的思考

• 数据、模型、算法是机器学习的三大要素
• 机器学习利用数据处理数据，模型和算法只是处理数据的工具、手段。
• 机器学习将有限的数据通过算法获得模型，利用模型实现泛化-----------》将经验、规律用于位置数据

从分类看ML

按应用分：

• 分类
• 聚类
• 回归(实验室自用不多)
• 表征（实验室科研主要方向）：使数据获得新形态时信息量损失尽可能少
  • 降维性—》如：编码（编码后，可解码，有信息损失）
  • 判别性（使数据更明确的表征）

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-WrsFDBxa-1625641758403)(C:\Users\q\AppData\Roaming\Typora\typora-user-images\image-20210703105407655.png)]

数据和算法双向选择，如上图：有三种表现

underfitting：欠拟合

good fit

overfitting：过拟合

其它

特点\特征：

• 数据（燃料）驱动-------------------》数据左右模型甚至算法
• 数学（本质）语言可表达-----------》机器可实现------------------》结果唯一的

会用语句 ！= 懂算法

通用机器学习（终身学习）：连续处理几十年

强化学习：有惩罚 有激励

数据：分类——连续、离散；区别——处理时有非常大的不同

Why

解放人力，利用计算机 记忆力超群、运算能力出众的优势

How

利用算法去学习数据获得模型，将模型用于新的数据

Where

需要多次应用。

记忆力超群、运算能力出众的优势

How

利用算法去学习数据获得模型，将模型用于新的数据

Where

需要多次应用。