機器學習相關的概念知識點

1、dataset：每個樣本都是乙個資料集dataset，是乙個矩陣

每一行都是sample樣本，每一列都是特徵feature，一般最後一列是標記label/target，往往與特徵分開，作為一維向量記錄

（1）分類任務：多分類任務和二分類任務，多分類任務可以向二分類任務轉化

（2）回歸任務：結果是乙個連續的數字的值，比如成績，而並不像分類任務那樣是有類別劃分的。回歸任務也可以向分類任務轉化，比如成績歸類

（1）監督學習：給機器的資料都是有標記與答案的，「回歸任務和分類任務」大多都是這類學習範疇

（2）非監督學習：無標記情況下進行的分類聚合，可以通過特徵提取、壓縮pca、降維等處理，隨著資料量增大逐漸呈現一定的分類特徵，轉為監督學習，比如電商客戶畫像

（3）半監督學習：一部分標記，一部分無標記，同樣向監督學習轉化

（4）增強學習：根據環境的反饋自我調整

5、演算法有很多種，所以針對乙個問題，要嘗試多種演算法，進行比較和調參

6、基礎工具：python3.x、numpy（運算元據）、matplotlib（視覺化圖形）、jupyter notebook（可以快速根據指令得到結果的操作命令行）、scikit-learn機器學習庫

機器學習相關知識點

1 tp 將正類 為正類數 fn 將正類 為負類數 fp 將負類 為正類數 tn 將負類 為負類數 精確率 precision p tp tp fp 反映了被分類器判定的正例中真正的正例樣本的比重。準確率 accuracy a tp tn p n tp tn tp fn fp tn 反映了分類器統對...

機器學習相關知識點面試總結

博主近日參加了導師實驗室的面試，因為對機器學習比較感興趣，所以簡歷上寫了目前已實現svm，adaboost等演算法，然後接下來的二十多分鐘面試基本問svm了。很多知識點其實以前也有遇到，只是沒有詳細總結，此處博主班門弄斧，不到位的地方還請大家指正。1 樸素貝葉斯的平滑處理過程是什麼？這點其實在and...

機器學習知識點

1.knn 不適合用來對特徵分布進行分析。2.強化學習中的mdp模型 環境狀態的集合 動作的集合 在狀態之間轉換的規則 規定轉換後 即時獎勵 的規則 描述主體能夠觀察到什麼的規則。3.otsu推到 4.繪製曲線 plt.plot hist.history loss plt.plot hist.his...