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。