Machine Learning 之一,什么是机器学习。
Machine Learning
机器学习,什么是机器学习。我觉得尚学堂的培训老师讲的很不错,就是两个字来介绍。------拟人。
就是模拟人类的思维方式。
老师举的例子:
和女朋友约会,第一次约会,约定是晚上七点到,但是女朋友7点十分才到。
第二次,约会,约定也是晚上七点到,但是女朋友还是7点十分才到。
那么第三次呢,这位男同志就可能会通过前两次约会的经验,做出女朋友迟到十分钟的预测,就是概率。也晚十分钟出门,十分钟可以看看书,听听歌什么的。那么这次预测就是对未来做出有价值的判断。
也有可能,前两次是女朋友来的路上碰上堵车,或者那条路修路,绕道。
那么如果约会次数多,一年365天,有300天都是迟到,那么下一次女朋友约会迟到的概率就会很大。
所以,机器学习,是建立在数据的基础上的预测,在海量数据中提取特征值,通过算法建立一个模型。通过测量数据来判断这个模型的正确性。然后改变参数,提高预测的正确性。
斯坦福大学的机器学习课程中,给出了两个定义。
第一种是:
The field of study that gives computers the ability to learn without being explicitly programmed.
使计算机无需显式编程就能学习的研究领域。
第二种提供了一个更现代的定义:
"A computer program is said to learn from experience E with respect to some class of tasks T and performace measure P ,if its performance at tasks in T,as tasks in T,as measured by P, improves with experience E"
“如果一个程序在使用既有的经验(E)执行某类任务(T)的过程中被认为是“具备学习能力的”,那么它一定需要展现出:利用现有的经验(E),不断改善其完成既定任务(T)的性能(P)的特性。”
又举了个例子:
Example:playing checkers.
玩跳棋
E = experience of playing many games of checkers.
E = 玩很多盘跳棋的经验
T = the task of playing checkers.
T = 玩跳棋的任务
P = the probability that the program will win the next game.
P = 程序下一局跳棋赢的概率
那么第二中现代机器学习定义就可以这么理解:
一个计算机程序在从玩很多盘跳棋的经验中,学习玩跳棋的任务,然后测量程序下一局赢得概率。如果计算机程序在玩跳棋得任务中的表现,和赢跳棋得概率一样,随着玩得局数越多,经验越高。那么它就可以预测下一局程序玩跳棋赢得概率。
In generally, any machine learning problem can be assigned to one of two broad classifications:
总而言之,任何机器学习问题可以被分为两大类
Supervised learning and unsupervised learning.
监督性学习和非监督性学习。
第二部分,介绍什么是监督性学习Supervised Learning, 什么是非监督性学习,Unsupervised learning.
Machine Learning 之一,什么是机器学习。的更多相关文章
- Machine Learning——吴恩达机器学习笔记(酷
[1] ML Introduction a. supervised learning & unsupervised learning 监督学习:从给定的训练数据集中学习出一个函数(模型参数), ...
- 【机器学习Machine Learning】资料大全
昨天总结了深度学习的资料,今天把机器学习的资料也总结一下(友情提示:有些网站需要"科学上网"^_^) 推荐几本好书: 1.Pattern Recognition and Machi ...
- [Machine Learning] 国外程序员整理的机器学习资源大全
本文汇编了一些机器学习领域的框架.库以及软件(按编程语言排序). 1. C++ 1.1 计算机视觉 CCV —基于C语言/提供缓存/核心的机器视觉库,新颖的机器视觉库 OpenCV—它提供C++, C ...
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料
<Brief History of Machine Learning> 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决策树.SVM.Adaboost到随机森林.D ...
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料【转】
转自:机器学习(Machine Learning)&深度学习(Deep Learning)资料 <Brief History of Machine Learning> 介绍:这是一 ...
- 学习笔记之机器学习(Machine Learning)
机器学习 - 维基百科,自由的百科全书 https://zh.wikipedia.org/wiki/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0 机器学习是人工智能的一个分 ...
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料汇总 (上)
转载:http://dataunion.org/8463.html?utm_source=tuicool&utm_medium=referral <Brief History of Ma ...
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料(下)
转载:http://www.jianshu.com/p/b73b6953e849 该资源的github地址:Qix <Statistical foundations of machine lea ...
- Portal:Machine learning机器学习:门户
Machine learning Machine learning is a scientific discipline that explores the construction and stud ...
- 机器学习(Machine Learning)&深度学习(Deep Learning)资料
机器学习(Machine Learning)&深度学习(Deep Learning)资料 機器學習.深度學習方面不錯的資料,轉載. 原作:https://github.com/ty4z2008 ...
随机推荐
- 初学Linux基本的命令操作应当记牢
Linux管理文件和目录的命令 命令 功能 命令 功能 pwd 显示当前目录 ls 查看目录下的内容 cd 改变所在目录 cat 显示文件的内容 grep 在文件中查找某字符 cp 复制文件 touc ...
- ThinkPHP示例:图片上传
ThinkPHP示例之图片上传,包括图片上传.数据库保存.缩略图生成以及图片水印功能演示.首先需要下载框架核心,然后把示例解压到Web根目录下面,并修改入口文件中的框架入口文件的位置.导入示例目录下面 ...
- #pragma hdrstop
#pragma hdrstop#pragma hdrstop 表示预编译头文件到此为止,后面的头文件不进行预编译.BCB 可以预编译头文件以加快链接的速度,但如果所有头文件都进行预编译又可能占太多磁盘 ...
- 数据访问层的基类BaseDALSQL
using System; using System.Text; using System.Collections; using System.Data; using System.Data.Comm ...
- haproxy附加
1.安装haproxy yum -y install haproxy 2.编写文件 vim /etc/haproxy/haproxy.cfg
- RedisTemplate序列号自增id(当前日期+序列号)
话不多上,直接上码 public class TestService { @Resource RedisTemplate<String, Object> redisTemplate; pu ...
- python+tushare获取沪深港股通持股明细
接口:hk_hold 描述:获取沪深港股通持股明细,数据来源港交所. 限量:单次最多提取3800条记录,可循环调取,总量不限制 积分:用户积120积分可调取试用,2000积分可正常使用,单位分钟有流控 ...
- 【linux】记录一下遇到的各种问题
1. 解决办法: pthread不是Linux系统的默认库,编译时加上-lpthread参数,以调用链接库 gcc -o 文件名.out 文件名.c -lpthread 输出的时候直接 ./文件名.o ...
- vector 有点麻烦啊 能简单点么?
#include <iostream> #include <cstdlib> #include <cstring> #include <cstdio> ...
- Django之template操作
一.模板渲染的原理 (一)使用 模板渲染首先有一个模板对象Template,然后有一个上下文对象Context,通过render方法进行渲染,最后返回字符串,render方法的本质还是调用了HttpR ...