机器学习笔记

机器学习基础

机器学习

机器学习（Machine Learning，ML）是指从有限的观测数据中学习（或“猜
测”）出具有一般性的规律，并利用这些规律对未知数据进行预测的方法。
机器学习模型包含四个步骤：

1. 数据预处理
2. 特征提取
3. 特征转换 ：常用的有主成分分析PCA、线性判别分析LDA等。
4. 预测：机器学习的核心部分，学习一个函数进行预测。

表示学习

表示学习是指有一种算法可以自动地学习出有效的特征，并提高最终机器学习模型的性能。
表示特征方式：局部表示；分布式表示。

深度学习

深度学习目的是从数据中自动学习到有效的特征表示。

深度学习采用模型----->神经网络模型

原因：神经网络模型可以使用误差反向传播算法，可以更好地解决贡献度分配问题。

端到端学习

端到端学习（End-to-End Learning），也称端到端训练，是指在学习过程中不进行分模块或分阶段训练，直接优化任务的总体目标。

端到端学习和深度学习一样，都是要解决贡献度分配问题。