机器学习算法笔记(零)
- 简介
机器学习的定义:对于某类任务 T 和性能度量 P,一个计算机程序被认为可以从经验 E 中学习是指,通过经验 E 改进后,它在任务 T 上由性能度量 P 衡量的性能有所提升。
虽然吴恩达老师说过,这个定义这么绕口是为了押韵,我还是要解释一下:任务 T 指常见的机器学习任务,比如文本分类,股票预测等;性能度量 P 用来衡量模型的好坏,通常为准确率或错误率;经验 E 是给计算机的学习数据。 - 机器学习与深度学习,人工智能
深度学习是从机器学习中的神经网络算法延申出来的,主要表现在神经网络的层数多而复杂。等机器学习的笔记更完之后,我们再学习深度学习,以及后面的强化学习。 - 学习路线
数学基础和python基础的笔记在主菜单的学习笔记中都有链接,需要的可以自行学习。 - 零碎的知识点
- 深度学习能提取更多的特征,更深层的特征
- 数据、信息,清洗后的数据、知识,有一点有用的东西、智慧
- 监督学习,带有标签的学习,可以分类
- 无监督学习,不带有标签,聚类
- 半监督学习是无监督学习和监督学习相结合,解决部分标签缺失问题
- 回归,预测数据为连续型数值
- 分类,预测数据是类别型数据,类别已知
- 聚类,预测数据是类别型数据,类别未知