零基础人工智能入门(机器学习入门概念整理)
2020-02-02 21:00
726 查看
1,机器学习:
用大量数据进行训练,获取到 一个数据模型,预测就是应用训练的模型,来解决一个未知的问题
2,入门:
①KNN:
收集相关的数据
选择合适的feature和label
如果不知道如何选择feature可以先单独每个feature计算与label的相关度
选取合适的k
使用数据集进行新的预测
3,分类和回归的区别:classification和regression
回归是求topk的value求平均值
分类是求topk中出现最多的 类别
4,标准化和归一化的选择
知道数据范围用归一化
不知道数据的范围,数据变化可能很大,用标准化
5,数据归一化: 压缩样本数据到 0 ~1 之间
让向量之间的欧式距离,变成标准欧式距离。
6,线性回归和knn的区别:
knn必须需要有全套数据集,每次预测都要重新计算整套数据集
线性回归,数据集用完后,其实可以丢弃。 线性回归是算一个模型。
knn可以理解成是数学统计学的方法研究问题
线性回归,是一种总结规律,总结模型的解决问题的方法。
7,线性回归就是求线性函数的参数的值的过程
8,梯度下降算法原理:
随机选取m和b
分别对mse计算m和b的偏导
如果m和b的偏导数都很小(接近0),就成功
根据学习速率计算出修改的值
b 和m分别减去要修改的值
9,线性回归和逻辑回归的区别
线性:预测 的数字是连续的
逻辑:预测的是分类的问题
- 点赞
- 收藏
- 分享
- 文章举报
相关文章推荐
- 【机器学习】先搞懂这八大基础概念,再谈机器学习入门!
- 最新机器学习入门八大基础概念
- 干货丨先搞懂这八大基础概念,再谈机器学习入门
- 先搞懂这八大基础概念,再谈机器学习入门!
- 《【机器学习】先搞懂这八大基础概念,再谈机器学习入门!》
- 机器学习入门 笔记(二) 机器学习基础概念
- 先搞懂这八大基础概念,再谈机器学习入门!
- 深度学习/机器学习入门基础数学知识整理(一):线性代数基础,矩阵,范数等
- 干货丨八大基础概念带你入门机器学习!
- 八大基础概念带你入门机器学习!(附学习资料)
- 深度学习/机器学习入门基础数学知识整理(二):梯度与导数,矩阵求导,泰勒展开等
- 深度学习/机器学习入门基础数学知识整理(二):梯度与导数,矩阵求导,泰勒展开等
- 先搞懂这八大基础概念,再谈机器学习入门!
- 数据分析、数据挖掘、机器学习、神经网络、深度学习和人工智能概念区别(入门级别)
- 人工智能,机器学习,神经网络,深度学习之基础概念
- (转)先搞懂这八大基础概念,再谈机器学习入门!
- 先搞懂这八大基础概念,再谈机器学习入门!
- 深度学习/机器学习入门基础数学知识整理(三):凸优化,Hessian,牛顿法
- 先搞懂这八大基础概念,再谈机器学习入门
- 先搞懂这八大基础概念,再谈机器学习入门!