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 ...

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-斯坦福：学习笔记1-机器学习的动机与应用相关推荐

最新文章

热门文章