机器学习之基础知识

定义

如果计算机程序在 T 中的任务上的性能（以 P 衡量）随着经验 E 提高，则称该计算机程序从经验 E 中学习某些类别的任务 T 和性能度量 P。

例子：下棋。

E = 玩多场跳棋的经验

T = 下棋的任务

P = 程序赢得下一场比赛的概率

简单分类

Supervised learning（监督学习）

定义

在监督学习中，对于给定一个数据集，并且已经知道我们的正确输出应该是什么样子，并且知道输入和输出之间存在关系。通过学习，我们可以对不知道正确输出的输入做处理。

we are given a data set and already know what our correct output should look like, having the idea that there is a relationship between the input and the output.

分类

• 回归问题

  在回归问题中，我们试图预测连续输出中的结果，这意味着我们试图将输入变量映射到某个连续函数。

• 分类问题

  在分类问题中，我们试图在离散输出中预测结果。换句话说，我们试图将输入变量映射到离散类别中。

Unsupervised learning（无监督学习）

定义

无监督学习使我们能够在几乎不知道结果应该是什么样子的情况下解决问题。 我们可以从数据中推导出结构，而我们不一定知道变量的影响。（对于给定输入预先不知道结果）

Unsupervised learning allows us to approach problems with little or no idea what our results should look like. We can derive structure from data where we don’t necessarily know the effect of the variables.

分类:

• 聚类：

  收集 1,000,000 个不同的基因，并找到一种方法来自动将这些基因分组到不同的变量（例如寿命、位置、角色等）之间，这些基因在某种程度上相似或相关。

• 非聚类：

  “鸡尾酒会算法”，可让您在混乱的环境中找到结构。 （即从鸡尾酒会上的声音网中识别个人声音和音乐）。