松江新城网站建设,网站建设自检自查,济南网站建设首推企优互联不错,抖音运营方案详细机器学习致力于研究如何通过计算的手段、利用经验来改善系统自身的性能。在计算机系统中#xff0c;“经验”通常以“数据”的形式存在#xff0c;因此#xff0c;机器学习所研究的主要内容#xff0c;是关于在计算机上从数据中产生“模型”的算法#xff0c;即“学习算法… 机器学习致力于研究如何通过计算的手段、利用经验来改善系统自身的性能。在计算机系统中“经验”通常以“数据”的形式存在因此机器学习所研究的主要内容是关于在计算机上从数据中产生“模型”的算法即“学习算法”。
1 基本术语
数据集下面记录的集合称为一个“数据集” 示例或样本每条记录是关于一个事件或对象的描述。
属性反映事件或对象在某方面的表现或性质的事项例如“色泽”“敲声”等
属性值属性上的取值例如“青绿”“乌黑
属性空间或样本空间属性张成的空间
特征向量因为每一个样本都可以表示为特征空间中的一点即为一个坐标向量。所以我们也把一个样本称为一个特征向量
样例拥有了标记信息的示例 监督学习分类、回归
无监督学习聚类
泛化能力学得模型适用于新样本的能力。
2 假设空间 归纳学习有狭义与广义之分,广义的归纳学习大体相当于从样例中学习而狭义的归纳学习则要求从训练数据中学得概念(concept),因此亦称为“概念学习”或“概念形成”概念学习技术目前研究、应用都比较少,因为要学得泛化性能好且语义明确的概念实在太困难了,现实常用的技术大多是产生“黑箱”模型.然而,对概念学习有所了解,有助于理解机器学习的一些基础思想.
布尔概念学习即对“是”、“不是”进行学习。 3 归纳偏好 机器学习算法在学习过程中对某种类型假设的偏好称为“归纳偏好” 对于任意两个学习算法无论哪个算法更加”聪明“或者更加”笨拙它们的期望性能竟然相同。这就是”没有免费的午餐“定理No Free Lunch Theorem,简称NFL定理) 前提:所有的问题出现的机会相同所有问题同等重要。但是实际情况并不是这样。很多时候我们只关心自己试图解决的问题希望为他找到一个解决方案至于这个解决方案在别的问题甚至相似问题是是否为好方案我们并不关心。 NFL定理最重要的寓意是让我们清楚的认识到脱离实际问题空谈“什么学习算法更好”毫无意义因为若考虑潜在的问题则所有的学习算法一样好要谈算法的相对优劣必须针对具体的学习问题。
