机器学习
一个喂大的程序猿
没有天生的程序猿,只有不断被虐被代码喂大的程序猿!
展开
-
机器学习常见专业名称解释
标签:标签是要预测的事物,即可以简单理解为线性回归中的y变量。标签也可以是小麦未来的价格,图片显示的动物品种。特征:特征是输入变量,即可以简单理解为线性回归中的x变量。简单的模型可能使用单个特征(x),较为复杂的机器学习模型会有上百万个特征(x1,x2,···,xn)。在“垃圾邮件人工智能检测器中”特征可能包括:电子邮件文本中的字词,发件人的地址,发送电子邮件的时段,邮件的大小。样本:样本可分为有标签样本和无标签样本,有标签样本是指包含“特征x”和“标签y”,无标签样本是指只包含“特征x”,转载 2021-08-20 11:47:56 · 341 阅读 · 0 评论 -
机器学习分为:监督学习,无监督学习,强化学习
监督学习又分为“回归”和“分类”。(有标签) 回归是针对于连续的数据进行数据拟合,得到一个函数用于预测。 分类是针对于离散的数据进行数据分类,预测数据分属于不同的类别。无监督学习(无标签) 事先并不知道结果,机器通过数据分析,找到事物的规律,对事物进行聚类强化学习 不给数据进行训练, Alphago用的就是强化学习,强化学习是一种学习模型,它并不会直接给你解决方案——你要通过试错去找到解决方案 目...转载 2021-08-20 11:45:15 · 2206 阅读 · 0 评论