機器學習-1.機器學習的基本概念
其他機器學習中的一些概念:
1.訓練集(training set/data/example)
訓練集是用來進行訓練而產生模型或演算法的資料集
2.測試集(testing set/data/example)
用來測試已經學習好的模型或演算法的資料集
3.特徵向量(features vector)
屬性的集合通常用乙個向量來表示,特徵向量是附屬於乙個例項的
4.標記(class label)
例項類別或屬性的標記
5.正例、反例
6.分類(classfication)
目標標記結果為類別資料
7.回歸(regression)
目標標記結果為連續性數值資料
8.監督學習(supervised learning)、無監督學習(unsupervised learning)、半監督學習(semi-supervised learning)
在訓練集中有人工標記的為supervised learning,反之為unsupervised learning,兩者結合為semi-supervised learning
接下來我們來看乙個例子。
機器學習(1) 基本概念
神經網路技術起源與上世紀50年代。當時叫做感知機。擁有輸入層,輸出層和乙個隱含層。這種感知機被稱為單層感知機 1959,機器學習被定義為不直接程式設計的情況下賦予計算機學習能力。1974年哈佛大學的paul werbos發明bp演算法。bp演算法正是用來求解這種多層復合函式的所有變數的偏導數的利器。...
機器學習1 基本概念
1.機器學習定義 機器學習 arthur samuel,1959 在確定程式設計之外給予計算機學習能力的研究領域。機器學習 tom mitchell,1998 如果電腦程式對於任務t的效能度量p通過經驗e得到了提高,則認為此程式對e進行了學習。2.機器學習四個主要內容 監督學習 包括回歸 連續性問題...
機器學習1 基本概念
參考 資料集 色澤 青綠 根蒂 蜷縮 敲聲 濁響 色澤 墨綠 根蒂 稍蜷 敲聲 沉悶 色澤 淺白 根蒂 硬挺 敲聲 清脆 基本概念 1 樣本 這批資料裡的每對括號。2 資料集 樣本的集合。3 特徵 屬性 色澤 根蒂 敲聲等反映事物的本質的可觀察方面。4 屬性值 青旅 墨綠 蜷縮 濁響等,是屬性的取值...