一.机器学习是什么?
定义一 : 来自于Arthur Samuel
在进行特定编程的情况下,给予计算机学习能力的领域。
定义二 : 由Tom Mitchell提出
一个好的学习问题定义如下 : 一个程序被认为能从经验E中学习,解决任务T,达到性能度量值P,当且仅当,有了经验E后,经过P评判,程序在处理T时的性能有所提升。
机器学会下棋问题中 : 经验E 就是程序上万次的自我练习的经验而任务T 就是下棋。性能度量值P呢,就是它在与一些新的对手比赛时,赢得比赛的概率。
二.监督学习
回归问题 : 试着推测出这一系列连续值属性。
分类问题 : 试着推测出离散的输出值(0或1 良性或恶性)
支持向量机算法 : 里面有一个巧妙的数学技巧,能让计算机处理无限多个特征。
三.无监督学习
聚类算法 : 针对数据集(无监督学习中没有任何的标签或者是有相同的标签或者就是没标签),无监督学习就能判断出数据有两个不同的聚集簇。![](https://img.haomeiwen.com/i17787668/8e5b65070693a7a7.png)
网友评论