2-12日内容1：机器学习概述

最新推荐文章于 2024-05-28 17:00:50 发布

like alone

最新推荐文章于 2024-05-28 17:00:50 发布

阅读量113

点赞数

文章标签：机器学习

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/weixin_43343813/article/details/104274185

版权

写在开头：内容大部分来自伯禹学习平台

什么是机器学习

由 Tom Mitchel给出的更加数学化的定义：机器学习是一门硏究学习算法的学科，这些算法能够：
在某些任务T上、通过经验E、提升性能P、非显式编程实现
一个学习任务可以由三元组<T、P、E>明确定义

两种机器学习类型

面向预测
根据数据预测所需的输出（监督学习）：给定数据和标签预测所需的输出，最理想的场景
生成数据实例（无监督学习）：分析和利用隐式数据模式/结构
面向决策
在动态环境中采取行动（强化学习）：学习在动态环境中动作执行的决策，并获得尽可能多的奖励值
转变到新的状态
获得即时奖励
随着时间的推移最大化累积奖励

机器学习基本思想

机器学习过程

在这里插入图片描述

监督学习

在这里插入图片描述

学习目标

在这里插入图片描述
注：平方误差的优点：
①对大的预测误差有更大的惩罚
②能够容忍很小的误差如观测误差等从而提升模型的泛化能力

更新参数：梯度学习方法（后续详细学习）

模型选择

欠拟合和过拟合

在这里插入图片描述

正则化

添加参数的惩罚项，纺织模型对数据过拟合
在这里插入图片描述

奥卡姆剃刀原则

有多个假设模型时，我们应该选择假设条件最少的建模方法。
在这里插入图片描述

交叉验证

在这里插入图片描述
多次交叉验证选择最好的结果对应的超参数，选择好的超参数之后，对整个训练数据进行模型训练，然后用测试数据对模型进行测试。

模型泛化性

在这里插入图片描述
泛化误差：当拥有一个模型f的时候，我们希望能够对于我们已观测到的数据的变量X和希望预测到的变量Y之间做一个全数据空间上的积分，使得对于任何可能出现的X和Y这样的数据，计算f(x)的预测值以及计算相应对于Y标签的损失函数，通过对x，y这样的数据分布的积分，得到根据当前的数据分布，在F（x）条件下，得到与Y值之间的损失函数的期望，即为泛化误差。
在这里插入图片描述

判别模型与生成模型

在这里插入图片描述

判别模型

在这里插入图片描述

生成模型

在这里插入图片描述

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
2-12日内容1：机器学习概述

什么是机器学习由 Tom Mitchel给出的更加数学化的定义：机器学习是一门硏究学习算法的学科，这些算法能够：在某些任务T上、通过经验E、提升性能P、非显式编程实现一个学习任务可以由三元组<T、P、E>明确定义两种机器学习类型面向预测根据数据预测所需的输出（监督学习）：给定数据和标签预测所需的输出，最理想的场景生成数据实例（无监督学习）：分析和利用隐式数据模式/结构...
复制链接

扫一扫

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。