机器学习方法

作者: 水之心 | 来源:发表于2018-08-23 13:59 被阅读0次

【转】人工智能之机器学习算法体系汇总
机器学习中比较活跃的四大领域
Python机器学习应用
机器学习两本经典之作，适合系统学习。
机器学习方法的三要素
【Note】MV-机器学习系列之有趣的机器学习
data mining-输出：知识的表达
集成学习原理总结
5.1　什么是机器学习
使用python+机器学习方法进行情感分析（上）

分类

在已知模式 $x$ 的时候，如果能够求得使分类类别 $y$ 的条件概率 $p(y|x)$ (常被称为后验概率) 达到最大值的类别 $\hat{y}$ ，就可以进行模式识别了。
$\hat{y} = \underset{y} {\arg \max} \;\;p(y|x)$

由贝叶斯公式我们可以将后验概率 $p(y|x)$ 表示为 $y$ 的函数：
$p(y|x) = \frac{p(x,y)}{p(x)} ∝ p(x,y)$
即模式 $x$ 和类别 $y$ 的联合概率与后验概率 $p(y|x)$ 是成正比的。

在模式识别里，联合概率 $p(x,y)$ 也称为数据生成概率，通过预测数据生成概率 $p(x,y)$ 来进行模式识别的分类方法，称为生成的分类。

统计角度

在统计概率的机器学习里，将模式 $\theta$ 作为决定论的变量，使用手头的训练样本 $\mathcal{D} = \{(x_i,y_i) \}_{i=1}^n$ 对模式 $\theta$ 进行学习。例如，在最大似然估计算法中，一般对生成训练集 $\mathcal{D}$ 的最容易的方法所对应的模式 $θ$ 进行学习。
$\underset{\theta}{\max} {\displaystyle \prod_{i=1}^n} q(x_i,y_i;\theta)$

在统计概率方法中，如何由训练集 $\mathcal{D}$ 得到高精度的模式 $\theta$ 是主要的研究课题。

在朴素贝叶斯方法中，将模式 $θ$ 作为概率变量，对其先验概率 $p(θ)$ 加以考虑，计算与训练集 $\mathcal{D}$ 对应的后验概率 $p(\theta|\mathcal{D})$ ，即
$p(\theta|\mathcal{D}) = \frac{p(\mathcal{D}|\theta)p(\theta)}{p(\mathcal{D})} = \frac{\displaystyle\prod_{i=1}^n q(x_i,y_i|\theta)p(\theta)}{\int \displaystyle\prod_{i=1}^n q(x_i,y_i|\theta)p(\theta)\operatorname{d} \theta}$

因而，在朴素贝叶斯算法中，如何精确的计算后验概率是一个主要的研究课题。

【转】人工智能之机器学习算法体系汇总
此处梳理出面向人工智能的机器学习方法体系，主要体现机器学习方法和逻辑关系，理清机器学习脉络，后续文章会针对机器学习...
机器学习中比较活跃的四大领域
机器学习中比较活跃的四大应用领域数据挖掘用机器学习方法，发现数据之间的关系计算机视觉用机器学习方法，让计算...
Python机器学习应用
Scikit-learn: 机器学习方法工具集-提供一批统一化的机器学习方法功能接口-提供聚类，分类，回归，强化学...
机器学习两本经典之作，适合系统学习。
两本经典教科书，统计学习方法和机器学习统计学习方法-李航终极算法：机器学习和人工智能如何重塑世界【美】佩德罗...
机器学习方法的三要素
机器学习方法都是由模型、策略和算法构成的，即机器学习方法由三要素构成，可以简单的表示为方法=模型+策略+算法。 1...
【Note】MV-机器学习系列之有趣的机器学习
本篇相当于该系列的科普文。一、机器学习方法 1、机器学习 Machine Learning 通常来说，机器学习的...
data mining-输出：知识的表达
机器学习方法的基本知识表达形式是以决策树或者规则来展现，知识是用来描绘由机器学习方法产生的结构。表采用与输入方...
集成学习原理总结
前言集成学习是目前比较火的机器学习方法，也是面试官考察的一个重点方向。集成学习不是一种机器学习方法，它是通过结合...
5.1　什么是机器学习
在介绍各种机器学习方法之前，先看看究竟什么是机器学习，什么不是机器学习。机器学习经常被归类为人工智能（artifi...
使用python+机器学习方法进行情感分析（上）
首先，大多数人都知道词典方法，可能会某种程度上不太支持机器学习方法，所以先解释下词典方法和机器学习方法的不同。 ...