机器学习概述

机器学习

创建时间:2019-10-02 22:42

字数:525 阅读:

评论:

机器学习

近年来，NumPy、matplotlib和pandas等多种功能强大的开源库的出现，以及利用深度学习框架tensorflow等，使得机器学习这一领域绽放了无限的生机。

监督学习(supervised learning)

监督学习处理的问题分为两种，一是分类问题（classification），根据已经标记有是否为垃圾邮件的样本库，判断一封新邮件是否为垃圾邮件的问题。二是回归问题（regression），如我们想预测学生在SAT考试中数学科目的成绩，根据往期学生成绩与学习时间建立训练模型，通过学习时间预测学生的数学成绩。

监督学习是根据已有的样本训练模型，然后对未知的样本进行预测的一种方法。
非监督学习(unsupervised learning)

无监督学习是在没有已知输出变量和反馈函数指导的情况下提取有效信息来探索数据的整体结构的。通过非监督学习能够发现数据本身潜在的结构，在数据压缩中的降维邻域非监督学习也发挥着重要作用。
强化学习(reinforcement learning)

强化学习构建一个系统，在与环境的交互的过程中提高系统的性能。一个强化学习的经典例子就是象棋对弈游戏，系统根据当前局态（环境）决定落子的位置，游戏结束时胜负的判定可以作为反馈，通过这个反馈让系统做出调整，优化系统，提升系统的性能。

任何分类算法都有内在的局限性，在实际解决问题的过程中，应该选用几种不同的算法来训练模型，并比较它们的性能，从中选择最优的一个。一个常用的性能指标是分类的准确性。

机器学习技能图谱

转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 572108581@qq.com