机器学习基础一：入门七问

作者: 水滴记忆 | 来源:发表于2018-09-15 23:47 被阅读0次

机器学习基础一：入门七问
机器学习入门——基础
机器学习入门——实战篇之强化学习
机器学习入门——实战篇之非监督学习
机器学习入门——实战篇之深度学习
机器学习入门——实战篇之监督学习
深度学习基础教程
常用机器学习算法汇总比较(上）
常用机器学习算法汇总(中）
机器学习学习

1.什么是有监督学习？

通过对输入的有标签样本进行学习，对无标签样本进行预测。

2.什么是学习？

通过组合输入信息的特征，找出特征和标签的内在联系。

3.什么是特征？

特征即输入变量。

简单的机器学习项目可能会使用单个特征，而比较复杂的机器学习项目可能会使用数百万个特征。

（如电子邮件文本中的字词，图像中的像素点等。）

4.什么是标签？

标签是我们要预测的结果。如股票的未来价格，图片中显示的动物品种等。
我们通常使用有标签样本训练模型，然后使用该模型来预测无标签样本的标签。

5.什么是样本？

样本是指输入数据的特定实例，包括有标签样本和无标签样本。

有标签样本同时包含特征和标签。
无标签样本包含特征，但不包含标签。

6.什么是模型？

模型定义了特征和标签之间的关系。

模型生命周期包括两个阶段：
训练：创建或学习模型。
推断：将训练后的模型用于无标签样本。

7.回归和分类。

回归模型可预测连续值。如一栋房子的价值是多少。
分类模型可预测离散值。如图像中的动物是猫还是狗。

注：逻辑斯特回归虽然名字中带有回归，但是是分类模型。

网友评论

本文标题：机器学习基础一：入门七问

本文链接：https://www.haomeiwen.com/subject/rsqxnftx.html

延伸阅读

深度阅读

您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！