首页 > 代码库 > 机器学习基础

机器学习基础

2017-06-25 20:53:07

一、机器学习的定义

Tom Mitchell:机器学习是对能通过经验自动改进的计算机算法的研究。机器学习可以彰显数据背后真正的含义。

二、机器学习的分类

(1)监督学习 supervised learning

所谓监督学习,就是指在学习过程中会有一组标准答案提供,监督学习从给定的训练集中学习出一个函数当新的数据到来时,便可以根据这个函数给出预测。

监督学习有两种目标变量,一种是连续型的数值型变量,一般这种目标函数适合用回归分析;另一种是离散型的标称型变量,诸如{爬行类,鱼类,两栖类},这种类型适合运用分类算法

(2)无监督学习 unsupervised learning

所谓无监督学习,就是指只给了数据而没有目标变量,所以这里需要研究的问题是“从数据X中能发现什么”,通过机器学习算法可以将一组数据进行聚类,可以将其中突出特征相同的进行相似形聚团。

(3)强化学习 reinforcement learning

强化学习的关键是去定义什么是一个好的行为,什么是一个坏的行为,之后利用回报函数(reward function)来获得更多的奖励和更少的惩罚。

机器学习基础