2. 程式人生 > 實用技巧 >【機器學習】第一節

【機器學習】第一節

阿新 • • 發佈：2020-10-23

什麼是機器學習？

機器學習就是自動找函式
在這裡插入圖片描述

你想找什麼樣的函式？

第一個函式：輸出是一個數字在這裡插入圖片描述

第二個函式：輸出是一個YES或者NO

在這裡插入圖片描述

第三個函式：輸出是做一個選擇題

在這裡插入圖片描述

第四種：Generation 生成

在這裡插入圖片描述

怎麼告訴機器你想找什麼樣的函式？

Supervised Learning

在這裡插入圖片描述
對資料做標註，也就是要提供理想的輸出。
下面的圖片叫做訓練資料。
在這裡插入圖片描述
函式的Loss是比計算錯誤率要複雜一些的，Loss越小越好。
接下來機器會自動找出Loss最低的函式。

Reinforcement Learning

在這裡插入圖片描述
Supervised VS Reinforcement
在這裡插入圖片描述

機器怎樣找出你想要的函式

給定函式尋找範圍

在這裡插入圖片描述

函式尋找方法Gradient Descent

在這裡插入圖片描述

機器學習前沿研究

在這裡插入圖片描述
Meta Learning = Learn to learn
Life-long Learning :終身學習

相關推薦

【機器學習】第一節

什麼是機器學習？ 機器學習就是自動找函式 你想找什麼樣的函式？ 第一個函式：輸出是一個數字

【機器學習】決策樹-01

心得體會： #3-1構造決策樹 #計算夏農熵 from math import log def calcShannonEnt(dataSet): numEntries=len(dataSet)

【機器學習】數值分析（1）—— 任意方程求根

任意方程求根 簡介 方程和函式是代數數學中最為重要的內容之一，從初中直到大學，我們都在研究著方程與函式，甚至我們將圖形代數化，從而發展出了代數幾何、解析幾何的內容。而在方程與函式中，我們研究其性質最多的

【機器學習】#4-6

多變數線性迴歸(Linear Regression with Multiple Variables) 4.1多維特徵 多維特徵就是有多個特徵，比如房價模型中增加房子的樓層數等等，模型的特徵為\\(\\left( {x_{1}},{x_{2}},...,{x_{n}} \\right)\\)

【機器學習】Word2Vec

什麼是Word2Vec 將單詞轉換成向量，語義上相似的單詞在一個多維空間距離很近

【機器學習】整合演算法——Boosting中的AdaBoost演算法原理及sklearn應用

（寫在前面：整合演算法中基評估器可以是分類模型也可以是迴歸模型，因為個人習慣稱基評估器為弱分類器，全文的弱分類器其實是指基評估器，而寫基評估器就是基評估器，寫到後面才發現這點不太嚴謹，後面逐步

【微控制器學習】第一課：課程介紹

【朱有鵬老師課程總結】 第一部分、章節目錄 1.1.1.微控制器適合誰來學？ 1.1.2.咱們學什麼？ 1.1.3.我為什麼要學微控制器 1.1.4.為什麼要從51微控制器學起 1.1.5.咱們的開發板 1.1.6.學習本課程需要什麼

【機器學習】隨機森林原理與調參小結

之前在整合原理小結中總結了Bagging的原理。理解了bagging演算法，隨機森林(Random Forest,以下簡稱RF)就好理解了。它是Bagging演算法的進化版，也就是說，它的思想仍然是bagging,但是進行了獨有的改進。

【機器學習】scikit-learn中的特徵選擇小結

一.概述 1. 特徵工程 特徵工程是將原始資料轉換為更能代表預測模型的潛在問題的特徵的過程，可以通過挑選最相關的特徵，提取特徵以及創造特徵來實現。

【機器學習】auc的計算方法

技術標籤：機器學習機器學習 auc是什麼 auc是roc的面積，是從一批正負樣本中，選擇一個正樣本，一個負樣本，正樣本比負樣本預測值大的概率。我們使用頻率去逼近概率，所以就先對所有樣本預測值從大到小排序，並從

【機器學習】【數學建模】迴歸分析

引言 前面我們講過曲線擬合問題。曲線擬合問題的特點是，根據得到的若干有關變數的 一組資料，尋找因變數與（一個或幾個）自變數之間的一個函式，使這個函式對那組資料擬合得最好。通常，函式的形式可以由經驗、先驗

【機器學習】之模型融合技術

技術標籤：Python機器學習資料探勘機器學習python 本文部分內容摘取自： https://blog.csdn.net/sinat_35821976/article/details/83622594

【機器學習】偏差和方差、訓練集&驗證集&測試集ex5

1 正則化線性迴歸 這一部分，我們需要先對一個水庫的流出水量以及水庫水位進行正則化線性歸回。然後將會探討方差-偏差的問題

【機器學習】使用偽標籤進行半監督學習

使用偽標籤進行半監督學習，在機器學習競賽當中是一個比較容易快速上分的關鍵點。下面給大家來介紹一下什麼是基於偽標籤的半監督學習。在傳統的監督學習當中，我們的訓練集具有標籤，同時，測試集也具有標籤。這樣我

【機器學習】：Xgboost使用optuna進行除錯引數

程式碼如下： def objective(trial,data=data,target=target): train_x, test_x, train_y, test_y = train_test_split(data, target, test_size=0.15,random_state=42)

【機器學習】重新認識支援向量機（SVM）

注：對於一位剛剛站在科學研究大門口的博士一年級學生，思考科研的方法以及科研與其它工作之間的異同由來已久。科研的道路上充滿了不確定性，從大方向到每一步的細節都需要探索。如果我們放任這種不確定性不予理睬，

【機器學習】：決策樹之CART迴歸樹

在決策樹演算法當中，cart迴歸樹是決策樹的一種，它用來做迴歸的策略十分常見。可能還會在後續的GBDT模型當中所運用到，用來作為我們分裂節點的一個標準，我們來了解了解。

【機器學習】：Xgboost和GBDT的不同與比較

【與傳統GBDT相比，XGBoost有何不同】 基函式不同。GBDT只用CART樹，XGBoost除了CART，也支援線性函式。

【機器學習】：特徵工程

我總結了以下特徵工程的一些方法，好的資料和特徵往往在資料探勘當中會給我們帶來更好的acc，尤其對於資料探勘而言。資料決定了預測準確度的上線，而模型的目的則是去儘量逼近這個上限。由此可見，對資料進行特徵工

【機器學習】：特徵篩選方法

一.基於統計值的篩選方法 1.過濾法：選擇特徵的時候，不管模型如何，首先統計計算該特徵和和label的一個相關性，自相關性，發散性等等統計指標。