动手学深度学习(笔记)-机器学习简介

作者:杨润炜
日期:2018/2/11 22:35

机器学习简介

笔记序言

接下来会有一波关于深度学习入门资源(动手学深度学习)的笔记,建议有兴趣的朋友到其资源网站上查阅。

学习的内容

  • 1.什么是机器学习、机器学习的流程
  • 2.机器学习最简要素
  • 3.了解监督学习
  • 4.了解无监督学习
  • 5.需要与环境交互的机器学习

我的理解

  • 1.机器学习就是用==数据==来进行计算机编程的过程。通过选定的==模型==算法,并配置合适的==参数==,将大量数据输入迭代,达到预期效果。下图可以很好地展示了机器学习的流程:
    Minion

  • 2.四个要素:
    数据:量越多越好,而且要具备所要训练的各种维度信息,维度信息一般都需要人工标注;
    模型:分析统计数据维度信息的算法;
    损失函数:比较模型结果与真实结果好坏来衡量模型好坏的方法,包含用训练数据比较得出的训练误差和用测试数据比较得出的测试误差;
    优化算法:调整参数,逐渐最小化损失的方法。

  • 3.监督学习:通过大量包含输入x和对应输出y的数据,估算条件概率P(y|x),典型特点是每个输入都具有人工给定的目标值。
    几种监督学习:
    回归分析:输入单一或多个的连续或离散的变量,得到连续的结果;
    分类:能够得到预先规定好的结果类别,结果往往是所有分类都有一个判定概率,这里选定概率最大的作为最优解。比如文字识别(OCR)、色情识别;
    标注:预测所有可能的非互斥分类,可以为被标注对象的定义多个标签;
    搜索与排序:搜集有效的数据,并进行有效权重排序的过程;
    推荐系统:包含用户个性化定制的搜索与排序;
    序列学习:输入与输出都可能是任务长度的序列,而且需要处理各个输入之间可能存在的联系,如语音识别、机器翻译等。

  • 4.无监督学习:没有为特定的输入给出输出值,只有一个确定的目标,需要利用合适的模型,使其分析数据集的相关维度信息,达到目标效果,例如聚类、子空间估计、表征学习、生成对抗网络等。

  • 5.一般我们用都是拿数据到特定环境下训练的离线学习模式,即不会在训练时与正在变化的环境做对比交互,生成对抗网络虽然也有对比,但对比的对象是确定的不变的。与环境交互时,会观察环境中的++动作++做出应对策略,用赏对罚错的形式来提升这个智能体的“智力”。

意义

了解基本的机器学习流程及方法领域

参考

动手学习深度学习

感谢您的阅读!
如果看完后有任何疑问,欢迎拍砖。
欢迎转载,转载请注明出处:http://www.yangrunwei.com/a/84.html
邮箱:glowrypauky@gmail.com
QQ: 892413924