机器学习笔记 | 概述
什么是机器学习
- 机器通过分析大量数据来进行学习
- 一个程序被认为能从经验 E 中学习，解决任务 T，达到性能度量值 P，当且仅当，有了经验 E 后，经过 P 评判，程序在处理 T 时的性能有所提升。
- 探究和开发一系列算法来如何使计算机不需要通过外部 明显的指示， 而可以自己通过数据来学习， 建模， 并且 利用建好的模型和新的输入来进行预测的学科。
机器学习的方向
分类
-
监督学习 (有标记)
根据输出变量的类型分类:
- 回归 “连续值” 定量输出
- 分类 “离散值” 定性输出
回归与分类的区别 ?
-
无监督学习 (无标记)
常用： GMM、 聚类、 降维、 深度学习的逐层训练等
注:
K-means是无监督的聚类方法， KNN是有监督的分类方 法， 不要弄混
经典算法
我的笔记
- 机器学习的研究主要内容: 从
数据产生的模型算法 - 机器学习的目标: 学的模型很好的适用于新样本. 即泛化能力
TODO
视频
- 吴恩达 机器学习视频
- 台大 机器学习基石 / 技法
书籍
- 西瓜书
机器学习 - 统计学习方法
- 机器学习实战
More
网络资源
学完算法 编程实现 或 运用
读论文 复现算法 | 调参数观察