資訊專欄INFORMATION COLUMN
摘要：根據(jù)這些樣本做出預(yù)測(cè)，分為兩大類回歸和分類根據(jù)吳恩達(dá)教授的機(jī)器學(xué)習(xí)課程回歸問題預(yù)測(cè)出一個(gè)連續(xù)值的輸出。此時(shí)的表示惡性，表示良性。從數(shù)據(jù)集中可以通過非監(jiān)督學(xué)習(xí)得到數(shù)據(jù)的某種結(jié)構(gòu)，可能是把數(shù)據(jù)分成兩個(gè)不同的聚集簇，稱為聚類算法。
Machine Learning definition
Arther Samuel(1959):Machine Learning:Field fo study that gives computers the ability to learn without being explicitly programmed.
Tom Mitchell(1998) well-posed Learning Problem: A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its improves with experience E.
監(jiān)督學(xué)習(xí)：
利用一組已知類別的樣本調(diào)整分類器的參數(shù)，使其達(dá)到所要求性能的過程，也稱為監(jiān)督訓(xùn)練，該過程中有指導(dǎo)者。對(duì)于給出的數(shù)據(jù)集中的每個(gè)樣本有相應(yīng)的“正確答案”。
根據(jù)這些樣本做出預(yù)測(cè)，分為兩大類：回歸和分類
根據(jù)吳恩達(dá)教授的機(jī)器學(xué)習(xí)課程：
（1）回歸問題：預(yù)測(cè)出一個(gè)連續(xù)值的輸出。
例子：預(yù)測(cè)房價(jià)問題，根據(jù)樣本的數(shù)據(jù)集進(jìn)行擬合就可以得到一條連續(xù)的曲線。
（2）分類問題：設(shè)法預(yù)測(cè)一個(gè)離散值的輸出。
例子：根據(jù)腫瘤的某些特征來判斷是良性還是惡性，得到的結(jié)果是“良性”或者是“惡性”，是離散的。
此時(shí)的1表示惡性，0表示良性。
根據(jù)區(qū)域不同的來判斷是惡性還是良性。叉表示惡性，圈表示良性。
當(dāng)然了，預(yù)測(cè)的特征也是有很多
無監(jiān)督學(xué)習(xí)
無監(jiān)督學(xué)習(xí)的數(shù)據(jù)集和監(jiān)督學(xué)習(xí)的不同，沒任何標(biāo)簽，也就是沒有“正確的輸出結(jié)果”。在此過程中沒有指導(dǎo)者，只有計(jì)算機(jī)自己學(xué)習(xí)。從數(shù)據(jù)集中可以通過非監(jiān)督學(xué)習(xí)得到數(shù)據(jù)的某種結(jié)構(gòu)，可能是把數(shù)據(jù)分成兩個(gè)不同的聚集簇，稱為聚類算法。
聚類算法被應(yīng)用于很多地方：
（1） Google新聞
（2） 基因?qū)W的應(yīng)用：
（3） 大型計(jì)算機(jī)集群、社交網(wǎng)絡(luò)分析、市場(chǎng)細(xì)分問題以及天文數(shù)據(jù)分析
（4） 雞尾酒會(huì)問題
宴會(huì)中，場(chǎng)景會(huì)嘈雜問題等，聲音的辨別、過濾以及提取人的聲音就會(huì)顯得很重要。但是需要分析和解析數(shù)據(jù)問題，所以就涉及無監(jiān)督學(xué)習(xí)問題。
在使用語言的編程問題上，例如C++或者是Java中，處理音頻的問題，需要寫很多的代碼，還需要連接那些復(fù)雜的C++或者Java庫，但是在機(jī)器學(xué)習(xí)問題中，我們只需要一行代碼即可實(shí)現(xiàn)：
SVD（）函數(shù)——奇異值分解的縮寫，作為線性代數(shù)常規(guī)函數(shù)的縮寫。
文章GitHub地址：https://github.com/Soler0502H...
參考內(nèi)容：
吳恩達(dá) 機(jī)器學(xué)習(xí)課程
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://systransis.cn/yun/42864.html
摘要：自從年深秋，他開始在上撰寫并公開分享他感興趣的機(jī)器學(xué)習(xí)論文。本文選取了上篇閱讀注釋的機(jī)器學(xué)習(xí)論文筆記。希望知名專家注釋的深度學(xué)習(xí)論文能使一些很復(fù)雜的概念更易于理解。主要講述的是奧德賽因?yàn)榧づ撕Ｉ癫ㄙ惗喽兄聻?zāi)禍。 Hugo Larochelle博士是一名謝布克大學(xué)機(jī)器學(xué)習(xí)的教授，社交媒體研究科學(xué)家、知名的神經(jīng)網(wǎng)絡(luò)研究人員以及深度學(xué)習(xí)狂熱愛好者。自從2015年深秋，他開始在arXiv上撰寫并...
摘要：監(jiān)督學(xué)習(xí)里典型的例子就是。這聽起來似乎有點(diǎn)不可思議，但是在我們自身認(rèn)識(shí)世界的過程中很多處都用到了無監(jiān)督學(xué)習(xí)。增強(qiáng)學(xué)習(xí)背后的人工智能深度學(xué)習(xí)原理初探 CNN http://blog.csdn.net/darkprin... http://blog.csdn.net/darkprin... http://blog.csdn.net/darkprin... http://blog.csdn....
摘要：監(jiān)督學(xué)習(xí)里典型的例子就是。這聽起來似乎有點(diǎn)不可思議，但是在我們自身認(rèn)識(shí)世界的過程中很多處都用到了無監(jiān)督學(xué)習(xí)。增強(qiáng)學(xué)習(xí)背后的人工智能深度學(xué)習(xí)原理初探 CNN http://blog.csdn.net/darkprin... http://blog.csdn.net/darkprin... http://blog.csdn.net/darkprin... http://blog.csdn....
閱讀 3306·2021-11-24 09:39
閱讀 2823·2021-10-12 10:20
閱讀 1922·2019-08-30 15:53
閱讀 3086·2019-08-30 14:14
閱讀 2615·2019-08-29 15:36
閱讀 1131·2019-08-29 14:11
閱讀 1963·2019-08-26 13:51
閱讀 3421·2019-08-26 13:23
