首页 > 代码库 > 机器学习 MLIA笔记(一)

机器学习 MLIA笔记(一)

监督学习(supervised learning):叫监督学习的原因是因为我们告诉了算法,我们想要预测什么。所谓监督,其实就是我们的意愿是否能直接作用于预测结果。典型代表:分类(classification)和回归(regression)。

非监督学习(unsupervised learning):在非监督学习的数据中,没有给出标签(label,用于类别区分等)和目标值(target value,用于回归预测)。通常,如果我们如果想将具有相似性的数据项进行分组,这种行为就是“聚类”(clustering)。另外,如果我们想知道关于数据的一些概率数值,那么这种行为就叫做“密度估计”(density estimation)。最后,非监督学习可能还会用于将多特征(feature)的数据进行降维,剔除一些不重要的特征,使得我们能在低维空间观察数据。

开发机器学习应用程序的步骤:

1. 收集数据;

2. 准备输入数据;

3. 分析输入数据;

4. 输入数据检测,或者样本预处理(剔除不良的数据); 

5. 训练样本,得到模型;

6. 检测模型,重要依预测的准确度和精确度为依据;

7. 使用模型进行实际的应用。

 

机器学习的世界是一个概率统计的世界,并且样本可在不同的空间变换,以突显某些特征,简化规则描述。

 

机器学习 MLIA笔记(一)