剛碩士畢業了，趁著對所學知識還有記憶，趕快把之前筆記整理下，寫成部落格也方便整理。機器學習真是一門詭異的課程啊，感覺學了什麼又感覺什麼也沒學=_=。
主要內容
機器學習的基本過程
評估機器學習演算法
交叉檢驗
機器學習分為：
監督學習：
分類 1.1 決策樹
1.2 knn
1.3 svm
1.4 人工神經網路（非dnn）
回歸 2.1 線性回歸
2.2 非線性回歸
無監督學習：
聚類層次聚類
深度學習（既有監督也有無監督所以單獨摘出來說）：
cnnrnn
比較常用的機器學習的演算法和結構就是如上面所示。
準確性速度
健壯性可規模化
可解釋性
只有從這五個方面去評估才能評價出機器學習演算法的優劣。
在拿到資料即資料集的時候，要把資料集，分成訓練集和測試集。
一種最常用的方法是平分，或者是取10分之一的資料來作為測試集合。剩下的都是訓練集。這樣有乙個弊端，是在資料量不是特別大的時候浪費資料。 那用來作為測試用的資料基本算是浪費了。因為演算法並沒有學習到這些資料中蘊含的規律。而且評估結果還容易產生誤差。但如果把測試集也用作訓練，則會使演算法過度擬合。所以乙個常用的方法就誕生了k-fold。比較常用的是10-fold。
演算法：10-fold
1. 把資料分成10份
2. 取出其中乙份為test set
3. 其他的9份都是training set
4. 用training set, training 演算法
5. 用test set 測試出其中的 準確率，或者 r方 什麼的來評估,得到結果 xi
6. 再從10份中選取從來沒又作為test set的乙份來作為test set.
7. 重複2-6的過程，直到每份都作為test set 使用過。
8. 把10個評估結果取平均值。
機器學習綜述
機器學習 machine learning,ml 是一門多領域交叉學科，涉及概率論 統計學 逼近論 凸分析 演算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的效能。基本目標是學習乙個x y的函式 對映 來做分類或者回...
機器學習綜述
監督學習 無監督學習 強化學習 遷移學習 演算法 線性回歸 k 近鄰演算法 決策樹 隨機森林 pca 神經網路 將標註好的和測試的樣本對映到座標系中，選取距離該測試樣本歐式距離最近的k個訓練樣本，其中哪個訓練樣本佔比最大，我們就認為它是該測試樣本所屬類別。knn可以處理數值型和標稱型資料，原因在於計...
統計機器學習綜述
記錄學習心得 一 什麼是機器學習 統計學習 統計學習就是根據資料來構建概率統計模型並用該模型對資料進行 與分析。那麼其中可以看出，資料是基礎，目的是對資料進行 與分析。根據定義可以提出幾個問題 需要什麼樣的資料？構建什麼樣的模型？以什麼方法構建？如何評價構建出來的模型的好壞？1 需要什麼樣的資料 需...