机器学习入门

正文

请到「今天看啥」查看全文

将样本转换成一个输入向量。

将数据集在一个高维空间表示。

举例：nearest neighbor classifier：根据某种距离计算，在训练集中找出最近的邻居，然后预测新的样本和邻居有同样的类别。

机器学习任务（问题类型）：监督学习，无监督学习，强化学习。

监督学习：分类问题，回归问题。

无监督学习：概率分布模型，发现数据的内部结构（聚类，降维，表示学习）

强化学习：从与环境的交互决策过程中获取最大化回报。

学习阶段：训练，预测。目标不是记住训练集，而是要能够在新的未来的样本上很好的泛化预测。

举例：一维回归。

监督学习任务示例。

一个机器学习算法一般对应着三个部分：函数家族（模型族），评估质量（损失函数），找到最好的函数（模型）（优化）。

评估一个函数（模型）的质量，寻找最好的函数（模型）。

请到「今天看啥」查看全文