①特征提取，特征选择
特征提取：通过训练样本获得的对机器学习任务有帮助的多维度数据。
②不同算法对特征空间做不同的划分
③不同的结果
机器学习的重点：假设在已经提取好特征的前提下，如何构造算法获得更好的性能
特征的重要性：好的特征差的机器学习也能获得不错的性能，很差的特征即使是好的机器学习也不可能获得好的性能。不同的任务，提取特征的方式千变万化。
红白细胞图片区分
①特征：细胞面积，圆形度，表面粗糙程度
面积和周长区分度明显，选择面积和周长两个特征构建算法。
②支持向量机
线性内核，多项式核，高斯径向基函数核（看作三种算法）
③画出三个不同二维空间图，并用横线做出划分。新样本放进图中看其位置做出判断。
①特征提取，特征选择特征提取：通过训练样本获得的对机器学习任务有帮助的多维度数据。②不同算法对特征空间做不同的划分...
1knn算法 1.1knn的过程 1.2scilit-learn中的knn 1.3scikit-learn机器学习...
1 Sklearn分类学习算法一览 1.1 机器学习算法选择 1.2 scikit-learn初探 scikit-...
简介 《机器学习》展示了机器学习中核心的算法和理论，并阐明了算法的运行过程。《机器学习》综合了许多的研究成果，例如...
过程：1.特征提取2.特征选择3.设计算法……………………………………………………………………——————————...
什么是参数机器学习算法？它与非参数机器学习算法有何不同？ “假设”通常会大大简化学习过程，但也会限制学到的东西。将...
在学习“机器学习”的过程中，大概理解了机器学习的一个过程，数据（或者信息）从输入，经过模型算法到输出的一个过程。那...
机器学习怎么学？ 机器学习包含数学原理推导和实际应用技巧，所以需要清楚算法的推导过程和如何应用。 深度学习是机器学...
超参数：在我们运行机器学习算法之前，需要指定的参数。模型参数：算法过程中学习的参数。 kNN算法没有模型参数kNN...
4.5 超参数 超参数就是指在运行机器学习算法之前，需要指定的参数。 模型参数：算法过程中学习的参数。 KNN算法...
本文标题：1.2、机器学习算法的过程
本文链接：https://www.haomeiwen.com/subject/hwohoktx.html
网友评论