1.基本概念
1)从经验E中学习解决任务T,进行某一性能度量P。通过P测定在T上的表现因经验E而升高。
2)例如你标记某邮件为垃圾邮件,程序会学习如何更好过滤垃圾邮件。
任务T:邮件分类
经验E:观察你是否把邮件标记为垃圾邮件
性能度量P:正确归类的邮件比例
因此我们的系统在任务T上的性能,在得到经验E后会提高性能度量P。
2. 监督学习
我们教会计算机做某件事情。我们给算法一个数据集(打上标签),其中包含了正确答案。
1.回归问题:我们要预测连续数值输出。
2.分类问题:我们设法预测一个离散值输出。
3. 无监督学习
我们让计算机自己学习。给算法一个数据集(没有标签,都是同类数据)。
3.1 聚类算法
3.1.1 鸡尾酒问题
当前语音识别技术已经可以以较高精度识别一个人所讲的话,但是当说话的人数为两人或者多人时,语音识别率就会极大的降低,这一难题被称为鸡尾酒会问题。
Octave软件的写法
svd:奇异值分解