机器学习-斯坦福:学习笔记1-机器学习的动机与应用
机器学习的动机与应用
工具:需正版:Matlab,免费:Octave
定义(Arthur Samuel 1959):
在不直接针对问题进行编程的情况下,赋予计算机学习能力的研究领域。
例:Arthur的下棋程序,计算走每一步获胜的概率,最终打败程序作者本人。(感觉使用决策树思想)
定义2(Tom Mitchell 1998):
一个合理的学习问题应该这样定义:对一个计算机程序来说,给它一个任务T和一个性能测量方法P,如果在经验E的影响下,P对T的测量结果得到了改进,那么就说改程序从E中学习了。
如上例:E:程序不断和自己下棋的经历,T:下棋,P:和人类选手对弈的胜率
课程的四大部分:
1、 有监督学习
(1) 回归问题
例:收集某地房屋价格统计
房屋大小和价格对应情况:
画出一条拟合曲线,就可以通过房屋大小估计价格。
- 有监督学习即给出一个数据集(正确的房屋价格及对应大小)
- 此例为回归问题。回归意味着需要预测的变量是连续的
(2) 分类问题
分类问题中需要处理的变量是离散的
例:判断肿瘤是恶性还是两性
- 收集肿瘤大小和恶性/良性数据,大小为横轴,是否是恶性为纵轴(只有0,1)画图
- 肿瘤可能由多个因素导致,引入年龄,大小为横轴,年龄为纵轴,恶性以叉表示,良性以圆圈表示画图,分析患肿瘤的区域
- 还可引入更多属性,画在多维空间中
- 无限维空间如何处理?将无限维映射到内存的算法?
2、 学习理论
学习理论即解释学习型算法有效的原因(学习算法的理论基础)
寻找什么样的算法能很好地近似不同的函数,训练集的规模是否合适
3、 无监督学习
例:如上述肿瘤例子,图中的点不知道正确答案,而是由你从中找去一定的结构,即聚类。
应用于生物基因工程,图像处理,计算机视觉等领域
例:鸡尾酒会问题
在嘈杂的鸡尾酒会中,将你感兴趣的声音提取出来
运用两个不同位置的麦克分开来自不同位置的声音
还能应用于文本处理等领域
使用ICA算法,Matlab一行代码即可解决
4、 强化学习
通过决策产生的结论或对或错,故产生一系列的决策。
例:对一个模型飞机编写一个起飞程序,飞机在程序做了一连串错误决策是才会坠毁,只要做出连续的整体还不错的决策,即可保持飞机正常飞行
强化学习的基本概念:回报函数(正反馈及负反馈),程序做出正确决策时给出正反馈,反之亦然。
程序不断做出决策,在不断尝试获得尽量多的正反馈时,逐渐学习并做出正确决策
关键在于要定义什么是正确决策,什么是错误决策,再设计算法获取尽量多的正反馈
转载于:https://www.cnblogs.com/boqun1991/p/4415233.html
机器学习-斯坦福:学习笔记1-机器学习的动机与应用相关推荐
- 吴恩达《机器学习》学习笔记十三——机器学习系统(补充)
这次笔记是对笔记十二的补充,之前讨论了评价指标,这次主要是补充机器学习系统设计中另一个重要的方面,用来训练的数据有多少的问题. 笔记十二地址:https://blog.csdn.net/qq_4046 ...
- python嵩天课堂笔记_[Python机器学习]强化学习笔记(嵩天礼欣老师mooc第三周)
[Python机器学习]强化学习笔记(嵩天礼欣老师mooc第三周) [Python机器学习]强化学习笔记(嵩天礼欣老师mooc第三周) 目录 强化学习 定义 马尔科夫决策过程 基本元素 值函数 最优值 ...
- 机器学习入门学习笔记:(4.2)SVM的核函数和软间隔
前言 之前讲了有关基本的SVM的数学模型(机器学习入门学习笔记:(4.1)SVM算法).这次主要介绍介绍svm的核函数.软间隔等概念,并进行详细的数学推导.这里仅将自己的笔记记录下来,以便以后复习查看 ...
- 机器学习入门学习笔记:(3.2)ID3决策树程序实现
前言 之前的博客中介绍了决策树算法的原理并进行了数学推导(机器学习入门学习笔记:(3.1)决策树算法).决策树的原理相对简单,决策树算法有:ID3,C4.5,CART等算法.接下来将对ID3决策树算法 ...
- 机器学习入门学习笔记:(2.3)对数几率回归推导
理论推导 在以前的博客(机器学习入门学习笔记:(2.1)线性回归理论推导 )中推导了单元线性回归和多元线性回归的模型. 将线性回归模型简写为:y=ωTx+by = \omega^Tx+b: ...
- 机器学习入门学习笔记:(2.2)线性回归python程序实现
上一篇博客中,推导了线性回归的公式,这次试着编程来实现它.(机器学习入门学习笔记:(2.1)线性回归理论推导 ) 我们求解线性回归的思路有两个:一个是直接套用上一篇博客最后推导出来的公式:另一 ...
- 吴恩达《机器学习》学习笔记十四——应用机器学习的建议实现一个机器学习模型的改进
吴恩达<机器学习>学习笔记十四--应用机器学习的建议实现一个机器学习模型的改进 一.任务介绍 二.代码实现 1.准备数据 2.代价函数 3.梯度计算 4.带有正则化的代价函数和梯度计算 5 ...
- 吴恩达《机器学习》学习笔记十二——机器学习系统
吴恩达<机器学习>学习笔记十二--机器学习系统 一.设计机器学习系统的思想 1.快速实现+绘制学习曲线--寻找重点优化的方向 2.误差分析 3.数值估计 二.偏斜类问题(类别不均衡) 三. ...
- 吴恩达《机器学习》学习笔记十一——应用机器学习的建议
吴恩达<机器学习>学习笔记十一--应用机器学习的建议 一.训练完模型后下一步要做什么 二.评估算法与模型选择 1.训练集与测试集 2.训练/测试步骤 3.模型选择 4.数据集新的划分--验 ...
- 吴恩达《机器学习》学习笔记十一——神经网络代码
吴恩达<机器学习>学习笔记十一--神经网络代码 数据准备 神经网络结构与代价函数· 初始化设置 反向传播算法 训练网络与验证 课程链接:https://www.bilibili.com/v ...
最新文章
- webview加载本地html_安卓webview html5 自动播放本地视频,网上视频,可以循环播放...
- 读取XML文件报 - Content is not allowed in prolog
- 还在 Bug 不断?不妨试试这 2 个装X技巧
- matlab最小费用最大流函数,Matlab最小费用最大流算法通用程序
- 固定日历 jeDate 日期控件 选择时间,没有相应的回调事件
- 2020 年软件设计师考试上午真题
- 浅谈腾讯云IM接入方式(java后端)
- 360全景虚拟现实图片拍摄的注意细节
- java解决windows下文件没有Everyone以及完全控制的权限问题
- PHP:Fatal error: Class 'COM' not found in … 的处理办法
- 记录参加微软打造开发者社会生态圈线下会议
- 151308-48-4,Cyclo(-Gly-Asn-Trp-His-Gly-Thr-Ala-Pro-Asp)-Trp-Val-Tyr-Phe-Ala-His-Leu-Asp-Ile-Ile-Trp
- ubuntu20.04 noetic 安装 Astra Pro 驱动
- 设计模式 - 学习笔记 - 适配器模式AdapterPattern
- 软件测试——逻辑覆盖
- 今天全网的网站都变成了灰色了,这其中是如何实现的呢?
- 企业信息化自主建设的三重保障
- C++是TIOBE 2022年度最佳编程语言!
- python魔术方法是什么_Python常用魔术方法
- 利用arpspoof探取账户密码