為了解決任務t,設計一段程式,從經驗e中學習,達到效能度量值p,當且僅當有了經驗e後,經過p評判,程式在處理t時的效能得到提公升2.選擇模型
3.訓練模型
4.模型評估
1.模型
2.策略
3.演算法
1.有監督學習
1.1 分類 (樣本標籤屬於離散變數)
判別模型
1.2 回歸 (樣本標籤屬於連續變數)
多變數線型回歸
對於訓練速度來說,隨機梯度下降法由於每次僅僅採用乙個樣本來迭代，訓練速度很快，而批量梯度下降法在樣本量很大的時候，訓練速度不能讓人滿意。
對於準確度來說，隨機梯度下降法每次訓練僅僅用乙個樣本決定梯度方向,可能得到區域性最小值。
對於收斂速度來說，由於隨機梯度下降法一次選代乙個樣本，導致這代方向變化很大，不能很快的收斂到區域性最優解
2.無監督學習
2.1 聚類
2.2 降維
3.強化學習涉及部分:
1.演算法的步長,可以多選取一些值
2.演算法引數的初始值選擇
3.歸一化
機器學習基礎知識
machine learning的主要兩個應用方面 人工智慧 資料科學。什麼是人工智慧 artificial intelligence ai是不確定性管理 uncertainty management 的體現 ai what to do when you don t know what to do ...
機器學習基礎知識
機器學習基礎知識 1 誤差 學習器實際 輸出與樣本的真實輸出之間的差異稱為 誤差 有經驗誤差 也成訓練誤差 和泛化誤差。我們實際需要的是泛化誤差較小的學習器。2 過擬合與欠擬合 過擬合 學習能力太過強大，把訓練樣本中的特殊特性當作一般特性導致泛化效能下降。欠擬合 學習能力低下，不能很好的 輸出。3 ...
機器學習基礎知識
訓練樣本帶有標籤，y f x f x 是標籤 回歸 y可以產生許多值，並且這些值具有連續排序 分類 y是離散的，只有很少的值 訓練樣本沒有標籤 聚類 將資料分割成相似專案的單個類的過程 降維 指為了檢視資料而在更簡單的視角下運算元據 通過觀察環境如何對動作做出反應來手機資訊，是一種與環境互動的機器學...