机器学习入门
2017-03-07 15:21
127 查看
机器学习的三要素:
数据学习算法
模型(一种映射关系)
机器学习要解决的问题
难以用规则解决的问题,可以尝试用机器学习来解决。机器学习的分类
根据训练数据是否有标注,机器学习问题大致划分为监督学习(Supervised Learning)和无监督学习(Unsupervised Learning)两大类。监督学习:每个输入样本都有标注,这些标注就像老师的标准答案一样”监督“着学习的过程。而监督学习又大致分成两类:分类(Classification)和回归(Regression):
分类问题:标注是离散值,比如用户”点击“和”不点击“。如果标注只有两个值,则称为二分类,如果标注有多个值,则称为多分类。
回归问题:标注是连续值,比如如果问题是预测北京市房屋的价格,价格作为标注就是一个连续值,属于回归问题。
无监督学习:训练样本没有标注,无监督学习解决的典型问题是聚类(clustering)问题。比如对一个网站的用户进行聚类,看看这个网站用户的大致构成,分析下每类用户群的特点是什么。
此外,机器学习还有其他的类别,比如半监督学习、增强学习
相关文章推荐
- 机器学习/深度学习入门资源整理v1.0
- 机器学习入门之《统计学习方法》笔记整理——决策树
- 机器学习入门-BP神经网络模型及梯度下降法-2017年9月5日14:58:16
- 机器学习入门算法及其java实现-朴素贝叶斯
- 机器学习入门和批量梯度下降法
- [机器学习入门] 李宏毅机器学习笔记-21(Transfer Learning part 1 ; 迁移学习 part 1)
- 【机器学习】Learning to Rank入门小结 + 漫谈
- [Spark]Spark入门实战系列_8_Spark_MLlib(上)__机器学习及SparkMLlib简介
- 机器学习入门例子--预测浏览量
- 机器学习入门之认知
- 机器学习群内分享: 机器学习入门的几个问题
- 《机器学习/深度学习入门资源整理》增补 v0.1
- 机器学习入门-线性回归(一)
- 一步一步入门机器学习之五:机器学习自学指南
- 资源 | 最新机器学习必备十大入门算法!都在这里了
- 有趣的机器学习:最简明入门指南
- 机器学习入门:线性回归及梯度下降
- 机器学习从入门到出家
- 机器学习的最佳入门学习资源
- 机器学习最佳入门学习资料汇总