动手学深度学习-第一章引言

在DATAwhale的组织下,开始新的一轮深度学习,感谢组织,感谢沐神.

机器学习(machine learning,ML)是一类强大的可以从经验中学习的技术。 通常采用观测数据或与环境交互的形式,机器学习算法会积累更多的经验,其性能也会逐步提高。

  • 数据
    • 遵循独立同分布(independently and identically distributed, i.i.d.)(大多数情况,假设的前题)
    • 由一组称为特征(features,或协变量(covariates))的属性组成
    • 器学习模型会根据这些属性进行预测

     拥有越多数据的时候,工作就越容易。

     还需要正确的数据

  • 模型
    • 转换数据 将输入数据通过模型输出相应数据
  • 目标
    • 定义模型的优劣程度的度量,这个度量在大多数情况是“可优化”的
    • 最常见的损失函数是平方误差
  • 算法
    • 搜索出最佳参数,以最小化损失函数
       

2.机器学习分类

2.1监督学习

 

 

2.1.1回归

任何有关“有多少”的问题很可能就是回归问题

2.1.2分类

 “哪一个”的问题叫做分类(classification)问题

2.1.3标注

学习预测不相互排斥的类别的问题称为多标签分类(multi-label classification)

2.1.4搜索

在海量搜索结果中找到用户最需要的那部分

2.1.5推荐

与搜索和排名相关的问题是推荐系统(recommender system),它的目标是向特定用户进行“个性化”推荐

2.1.6序列

 序列学习需要摄取输入序列或预测输出序列,或两者兼而有之。 具体来说,输入和输出都是可变长度的序列

2无监督学习

不含有“目标”的机器学习问题通常被为无监督学习

  • 聚类
  • 主成分分析
  • 因果关系
  • 生成对抗网络

2.3与环境互动

 

 

2.4强化学习

在每个特定时间点,智能体从环境接收一些观察(observation),并且必须选择一个动作(action),然后通过某种机制(有时称为执行器)将其传输回环境,最后智能体从环境中获得奖励(reward)。 此后新一轮循环开始,智能体接收后续观察,并选择后续操作,依此类推。

 

 

作者:学到老必须的原文地址:https://www.cnblogs.com/tiger94me/p/17232453.html

%s 个评论

要回复文章请先登录注册