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:
- 数据预处理
- 特征提取
- 特征转换 :常用的有主成分分析PCA、线性判别分析LDA等。
- 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。