MLAPP读书笔记(一)监督式学习与非监督式学习简介

vagrantabc2017

于 2017-09-01 18:07:12 发布

阅读量723

点赞数

分类专栏：机器学习文章标签： MLAPP 机器学习监督式学习非监督式学习简介

本文链接：https://blog.csdn.net/vagrantabc2017/article/details/77775986

版权

本文是MLAPP读书笔记的第一部分，主要介绍了机器学习的两大类别——监督式学习和非监督式学习。监督式学习包括分类和回归，如文档分类、图片分类和对象检测。非监督式学习则涉及密度估计和数据聚类，如发现集群、潜在变量和矩阵补全。此外，还探讨了这两种学习方式在不同领域的应用实例。

摘要由CSDN通过智能技术生成

MLAPP读书笔记(一)监督式学习与非监督式学习简介

机器学习的类别
一：预测/监督式学习{(x, y)}
1.分类
2.回归
1)序数回归
二:描述式/非监督式学习{x}
特点：自行发现知识
三:增强学习 reinforcement learning RL
通过奖励和惩罚来刺激学习

在输入矩阵A中，每行是一个特征向量xi,表示一个样本。
N x D，表示N个样本，每个样本有D个描述。

分类：
本质是从x到y的映射。y是有限个类别。
当y=2 y ∈ {0, 1}，是二分类(binary classification)
当y>2，是多分类(multiclass classification)
1)如果分类不是互斥的，如又高又壮，称为多标签分类(multi-label classification),等价于多个相关的二分类，归属于多输出模型。
2)通常讲的是单输出的多分类，即只有一个输出。
在新的输入样上预测称为泛化(generalization).
p(y|x,D) x表示特征向量，D表示测试集。
p(y|x,D,M) M表示模型。
argmax: 在x，D的条件下，y=c, c在y的值域空间都是有可能的。取