机器学习读书笔记（一）

最新推荐文章于 2022-01-10 16:41:22 发布
最新推荐文章于 2022-01-10 16:41:22 发布
阅读量443 收藏
点赞数
分类专栏： 笔记
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_45058912/article/details/104249526
版权

什么是机器学习

基于数据（海量的可用数据）

  • 定义：在计算机科学中，机器学习这个是人工智能（AI）的一个分支，用于构建和分析可利用经验改善性能的系统。（用示例数据和过去的经验优化性能标准）
  • 机器学习涉及建模和优化。建模：未给定的样本数据指定条件或者概念分布。优化：包含了用于给定数据集最合适参数的技术。
  • 机器学习的应用：人工神经网络、数据挖掘、web排名、数学函数逼近、语音和面部识别…… 其中，最常见的应用是垃圾邮件识别SpamAssassin。

知识检测点1

  • 描述机器学习技术在光学符号识别中的应用
    在这里插入图片描述
  • 讨论机器学习在跟据新闻报道是否与政治、体育和娱乐等相关对其进行分类的应用
    在这里插入图片描述
翊小宸
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
读书感受 之 《机器学习》
真相很简单
04-12 687
周志华的这本清华大学出版社出版的机器学习，据说一度在各大电商平台计算机类书籍中排行都在前三，可见现在人工智能的热度以及大家对其未来的预期之高，不论是否能坚持读完或者能否理解部分内容，只要买了书都算是一种上进心吧
机器学习之二（读书笔记）
L_cherry_的博客
05-19 294
四、Gradient Descent（梯度下降） 梯度下降步骤： 1.选取两个参数{θ1,θ2\theta_{1},\theta _{2}θ1​,θ2​} 2.随意选取一个初始位置θ0=[θ10θ20]\theta^{0} = \begin{bmatrix} \theta _{1}^{0}\\ \theta _{2}^{0} \end{bmatrix}θ0=[θ10​θ20​​] 3.通过梯度下降得到新的位置θ1\theta^{1}θ1，即 [θ11θ21]=[θ10θ20]−η[∂L(θ10)/∂θ1∂
机器学习读书笔记(1)
lsh呵呵
05-04 452
书名 《机器学习之路caffe、keras、scikit-learn实战》 作者 阿布、胥嘉幸 出版社 电子工业 出版日期 2017年8月 阅读进度 基本全部 如下为笔记内容： 框架对比 实验级：性能较差，容易上手，不易定制 工业级：上手难，定制容易 深度学习 机器学习和深度学习是研究弱人工智能实现方式的一门科学...
机器学习--读书笔记（一）
qq_37102448的博客
08-27 506
第一章 机器学习基础 1.什么是机器学习 作者的朋友问到所从事的职业，回答“机器学习”，又问“什么是机器学习”，通过回答朋友职业问题的提问引出何为机器学习，利用计算机来彰显数据背后的真实含义，才是机器学习的真实含义。机器学习已经应用于多个领域，假象了一个场景，在这个一连串的场景中都用到了机器学习，很多企业使用机器学习软件改善商业决策、提高生产率、检测疾病、预测天气等。 关于数据，移动计算机和传感器...
机器学习(周志华) 读书笔记
lingtianyulong的专栏
06-27 797
注：关于该系列，只为整理并记录个人学习过程中，遇到的知识点整理； 机器学习读书笔记 文章目录机器学习读书笔记第1章 绪论1.1 引言1.2 基本术语1.3 假设空间1.4 归纳偏好1.4.1奥卡姆剃刀原则(Occam’s razor)1.4.2 没有免费午餐定理(No Free Lunch Theorem，简称 NFL 定理) 第1章 绪论 1.1 引言 机器学习定义 机器学习一门致力于研究如何通过计算的手段，利用经验来改善系统自身的性能的学科。机器学习所研究的主要内容，是关于在计算机上从数据中产生“模
《机器学习》读书笔记1
风雨偕行的博客
07-01 718
周志华《机器学习》，开学！ 第一章 绪论 1.1 引言 机器学习（ML）所研究的主要内容：是关于在计算机上从数据中产生“模型”（model）的算法，即“学习算法”（learning algorithm）。   1.2 基本术语 数据集（data set）=示例（instance）/样本（sample）的集合，一个instance/sample具有多种“属性”（attribute
机器学习之三（读书笔记）
L_cherry_的博客
08-05 397
五、Classification:Probabilistic Generative Model 在分类中找一个function，它的input是一个object x，它的output是这个object属于哪一个class。 task：在金融上，通过某个人的信息决定要不要借钱给他；医疗诊断；手写字辨识；人脸辨识； 以下以宝可梦为例： 1.将宝可梦数值化放到function中，即特性数值化： Total（多强）、HP（生命值）、Attack（攻击）、Defense（防御）、SP Atk（特殊攻击时的攻击力）、
机器学习西瓜书读书笔记
01-19
机器学习西瓜书读书笔记 机器学习西瓜书读书笔记是机器学习领域中的经典读物，以下是读书笔记的知识点总结： 一、机器学习的定义和分类 机器学习是人工智能领域的一个子领域，涉及到使用算法和数学模型来 enable ...
吴恩达机器学习课后作业源码及笔记_机器学习_吴恩达_
10-01
通过阅读源码，可以学习到如何运用机器学习库解决实际问题，而笔记则能帮助系统梳理学习路径，提升学习效率。 总的来说，这份压缩包是机器学习学习者的宝贵资源，它提供了一条从理论到实践的桥梁，有助于提高学习者...
吴恩达机器学习手写笔记
01-23
《吴恩达机器学习手写笔记》是一份详尽的学习资料，主要涵盖了吴恩达在Coursera上开设的“机器学习”课程的核心内容。笔记分为PDF版本和GoodNotes版本，便于不同用户按照个人喜好进行阅读和注解。这两部分笔记都致力...
斯坦福大学机器学习课程个人笔记完整版
10-21
这篇笔记涵盖了斯坦福大学机器学习课程的精华内容，旨在帮助读者深入理解这一领域的核心概念和技术。作为一门高级的计算机科学课程，机器学习是人工智能的重要分支，它涉及到如何让计算机通过经验自我改进，以提高...
台湾大学林轩田机器学习基石笔记_红色石头pdf
05-12
《台湾大学林轩田机器学习基石笔记》是由著名学者林轩田教授编著的一份深入浅出的机器学习教程，这份资源因其详实的内容和易读性被广大学习者推崇，尤其是红色石头版本更是其中的精华。PDF格式的文档不仅方便了读者...
《机器学习》——读书笔记1
u013319237的博客
01-24 1760
写在前面的话：周志华老师的这本书，我多次尝试阅读了，=-=，但却每次都坚持不下来，最后只是一个不明真相的吃瓜群众。每次心中却隐隐较着劲似得想要重头读一遍，这次恰逢年关，趁此闲暇，好好拜读一番！第一章 绪论1.1 引言通过买西瓜的例子引入。机器学习致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。 机器学习形式化的定义：假设用P来评估计算机程序在某任务类T上的性能，若一个程序通过利用经验E
《机器学习》—读书笔记
studyeboy的专栏
11-17 1546
机器学习相关概念 机器学习致力于研究如何 通过计算的手段，利用经验来改善系统自身的性能，在计算机系统中，“经验”通常以“数据”形式存在，因此，机器学习所研究的主要内容，是关于在计算机上从数据中产生“模型”的算法，即“学习算法”。有了学习算法，把经验数据提供给它，它就能基于这些数据产生模型；在面对新的情况时，模型会听相应的判断。如果计算机科学是研究关于“算法”的学问，那么类似的，机器学习是研究关于“学习算法”的学问。 “模型”泛指从数据中学得的结果。“模式”指局部性结果。 预测的是离散值，此类学习任务称为“分
《机器学习》读书笔记----序言
东篱下
08-27 421
1. 一些概念     独立同分布：随机过程中，任何时刻的取值都为随机变量，如果这些随机变量服从同一分布，并且互相独立，那么这些随机变量是独立同分布 2.深度学习     复杂度更高的算法，主要适合于神经网络 3.数学在机器学习上的应用     主要是概率统计；代数是基础工具，如矩阵理论和特征值理论，微分方程求解归结为代数问题     微分几何应用在流形学习，微分方程应用在归纳学习 ...
机器学习（周志华）读书笔记 1
tiantizzz的博客
01-10 1226
目录 1. 绪论 1.1 机器学习的基本概念 1.2 基本术语 2. 模型评估与选择 2.1 经验误差与过拟合 2.2 评估方法 2.2.1 留出法 2.2.2 交叉验证法 2.2.3 自助法 2.2.4 调参与最终模型 2.3 性能度量 2.3.1 精度与错误率 2.3.2 查准率与查全率 2.4比较检验 2.5 偏差与方差 ps.写在前面，本文是在参加datawhale组队学习，学习周志华老师的《机器学习》过程的学习笔记。文中出现的图片均引自《机器学习》，《机..
机器学习读书笔记（三）
翊小宸的博客
02-12 142
机器学习的应用 图像识别 语音识别 医疗诊断 统计套利 关联学习 分类 预测 提取 回归 概率 图像识别 需要分类的对象是一个数字化的图像，其测量值可以描述每个像素的输出。 1.黑白图像：像素饱和度作为测量值。如果黑白图像有N×N个像素，则测量值数量为N²。 2.彩色图像：提供3个测量值，对应RGB的饱和度。对于N×N个像素的图像，测量只有3N²个。 面部检测（识别） 分类可能是存在或者或者...
机器学习实战读书笔记（一）
PasPerCon
08-22 494
针对于分类问题，书中介绍了K近邻、决策树、朴素贝叶斯、Logistic回归、支持向量机和AdaBoost方法。下面将介绍其优缺点。 1. K近邻 优点：精度高、对异常值不灵敏、无数据输入假定（例如Logistic回归中x0=1等）。 缺点：计算复杂度高，空间复杂度高。无法给出任何数据的基础结构信息。 适用数据范围：数值型、标称型。 2. 决策树 优点：计算复杂度不高，输出结果容易理解（...
泛微协同办公平台E-cology9.0版本后台维护手册(D)--流程引擎.docx
最新发布
09-03
泛微后端技术文档
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值