目前, 機器學習主要由以下三條主線進行發展:
graph lr
subgraph 三代神經網路
a[1 線性分類器] ==> b[2 非線性分類器]
b ==svm==> c[3 深度學習]
a1[感知器網路] --> b
a1 -.-> a2
a2[logistic 網路] --> b
a2 -.->p
p[bp 網路] --> b
c1[som 網路] --> b
d1[玻耳茲曼機網路] --> b
endsubgraph 貝葉斯理論
d[樸素貝葉斯] --> e[貝葉斯網]
e --> f[隱馬爾可夫模型: hmm]
endsubgraph 矩陣論
h[矩陣降維] --> i[奇異值分解: svd]
i --> j[pca 演算法]
enddeeplearning演算法 (dl, 深度學習: 2010 年前後由多倫多大學的 geoffrey hinton 提出) 與衍生的卷積神經網路(cnn, 有監督) 和深度置信網路 (dnn, 無監督) 在計算機視覺、語言識別和部分自然語言處理領域獲得巨大的成功.
graph lr
subgraph 大資料的三大基石
cnn -.-> a[dl]
a === dnn
dnn === id[map reduce]
end
機器學習中的幾個概念區分
通俗的說就是 監督學習演算法訓練含有很多特徵的帶標籤 label 或 target 的資料集，來對新的資料集的標籤做出 我們把需要訓練的資料集稱為訓練集 trainset 需要 的資料集稱為測試集。我們可以將其形式化 n 表示樣本個數 input trainset n output 對映 f x i...
storm中幾個概念的大小關係
從圖可以看出來 topology supervisor worker excutor task 也就是說乙個topology可以執行在多個supervisor上，乙個supervisor可以執行多個worker 程序 乙個worker裡面可以有多個excutor 執行緒 乙個excutor可以執行多...
機器學習 機器學習中的基礎概念
基本概念 訓練集,測試集,特徵值,監督學習,非監督學習,半監督學習,分類,回歸 概念學習 人類學習概念 鳥,車,計算機 定義 概念學習是指從有關某個布林函式的輸入輸出訓訓練陽曆中推斷出該布林數 例子 學習 享受運動 這一概念 小明進行水上運動,是否享受運動取決於很多因素 這裡舉乙個例子 小明是否進行...