机器学习
rthnfgxh
这个作者很懒,什么都没留下…
展开
-
机器学习入门——概念介绍
机器学习概念介绍什么是机器学习?机器学习是人工智能的一个分支。人工智能的研究是从以“推理”为重点到以“知识”为重点,再到以“学习”为重点,一条自然、清晰的脉络。显然,机器学习是实现人工智能的一个途径,即以机器学习为手段解决人工智能中的问题。机器学习在近30多年已发展为一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动原创 2017-08-17 11:25:05 · 419 阅读 · 0 评论 -
机器学习入门——机器学习分类
机器学习分类监督学习监督学习的定义监督学习从给定的训练数据集中学习出一个函数,当新的数据到来时,可以根据这个函数预测结果。监督学习的训练集要求是包括输入和输出,也可以说是特征和目标。训练集中的目标是由人标注的。常见的监督学习算法包括回归分析和统计分类。常见的监督学习假设有如下一组销售数据: index 单价 x1 销量 x2 利润 y 1 40 50 100原创 2017-08-17 12:28:20 · 547 阅读 · 0 评论 -
机器学习入门——回归与分类
回归与分类回归 regression的定义 简单来说当我们通过监督学习得到的一个值这个过程就叫做回归,这个值是一个连续性数据。我们可以用这个预测值与真实值去做比较分类 classification的定义 简单来说就是通过无监督学习得到一个值,这个值是一个分类型的数据,当与真实值比较的时候,只有对错之分而无大小之分原创 2017-08-17 13:49:17 · 365 阅读 · 0 评论 -
机器学习入门——简单模型讲解
机器学习简单模型讲解机器学习的目的机器学习简单来讲就是通过对以往的数据进行分析,得出模型,然后用该模型来预测将来可能出现的情况最简单的模型 我们在学习函数的时候,都学过这样一个函数:y = 2x+1,在这里我们称作1为截距,2为系数,x则称作因子。通过这样一个简单的一元函数我们可以在给定x值的情况下获得y值。在机器学习中我们将y值就称作预测值,函数y=2x+1就称为模型。简单模型 假设有原创 2017-08-17 12:04:04 · 891 阅读 · 0 评论 -
机器学习入门——代价函数
代价函数代价函数的定义当我们通过以往的数据得到模型后,然后将数据输入这个模型得到的值与真实值之间会产生误差,我们求解误差总和的过程就是代价函数。原创 2017-08-17 15:16:06 · 333 阅读 · 0 评论 -
机器学习入门——过拟合
过拟合我们在根据数据求解模型的时候,怎么去判断一个模型的好坏呢?是通过代价函数的和来判断的,一般来说代价函数的和越小,证明模型与数据之间的关系越匹配。但是还有一种情况是,当代价函数的和小到一定程度的时候,我们也是不希望发生的。因为我们求解模型是为了去预测将来可能发生的情况,但是我们不能保证将来的数据分布会与现有的数据分布一致,这种情况我们称之为过拟合。原创 2017-08-17 15:33:14 · 353 阅读 · 0 评论 -
机器学习入门——recall与precision的解释
recall与precisionrecall 是该类别预测对的个数与该类别所有个数的比值precision 是该类别预测对的个数与该类别所有预测个数的比值原创 2017-08-22 18:53:57 · 2184 阅读 · 0 评论