學機器學習已經大半年了，現在才發現自己是初識機器學習。
一開始學機器學習，真的以為它是個機器，學會了就可以拿來用，或是拿來改進。現在才明白，學機器學習的方法不僅要弄明白理論基礎和演算法思路，還要明白演算法的脈絡，它的每一步都是為什麼這麼做，掌握演算法背後的真正的思想，才能融會貫通，針對不同的問題提出不同的演算法，對新問題提出新演算法。
特別是，有些演算法是在其他演算法的基礎上產生的，就更要弄清楚，怎麼產生的這個演算法？原來的有什麼問題？產生的新演算法又解決了什麼？原來的演算法加上現在的知識和技術，能產生更好的演算法嗎？產生的新演算法還能優化和改進嗎？新演算法需要哪些理論支援？這些理論和原演算法的理論有什麼異同？希望我以後讀文獻時仔細思考這些問題。
再就是，學習乙個演算法切不可一知半解，就去盲目的想在這個演算法上作出什麼，一定要理解透徹、思路清晰，才能行動去做。
現在發現數學-理論、程式設計-實驗、英語-學習的輕鬆程度、文筆-寫作、健康-精力，真是缺一不可，好憂傷。。。
機器學習 初識機器學習
1.什麼是機器學習？對於機器學習到現在都還沒有統一的定義，但是，通過乙個例子和較權威的定義來理解機器學習，最後附上我個人對機器學習的理解 2.監督學習 1 監督學習基本思想 我們資料集中的每個樣本都有相應的 正確答案 即每個樣本都是真實值，再根據這些樣本作出 舉乙個房價預售的例子來說明 eg 下面圖...
初識機器學習
機器學習 資料 資料 做為輸入 輸出 找到最合適的演算法公式 機器學習的分類 有批量 batch 數量的情況下可應用 監督式學習 知道輸入與輸出 半監督式學習是 知道輸入與部分輸出 無監督式學習 不知道輸出 對應著聚類 clustering 對於機器學習的輸出 1.有明確的分類 是 否 並且是用一條...
初識機器學習
機器學習的定義 1 在沒有明確設定的情況下，使計算機具有學習能力 samuel 2 電腦程式從經驗e中學習，解決某一任務t，進行某一效能度量p，通過p測定在t上的表現因經驗e而提高 tom mitchell 學習下棋是e，下贏是t,獲勝的概率是p。通過在下棋 t 中提高經驗 e 從而增加獲勝的概率 ...