Machine Learning基础入门

断断续续接触机器学习也差不多有1年多的时间了,论文看了一些,教程也看了一些,也动手写过一些东西,自认略微优点心得吧(大牛莫笑) 之前写的也很零散,所以这次就当做总结吧,也算是给自己的一个参考! 写的很浅显,主要追求通俗易懂,当然也是我的水平有限,目标就是做最好的入门资料[捂脸],有问题欢迎讨论!

声明:本专栏是在参考了网上众多资料和大牛的博客下整理收录的,如有侵权请联系作者删除,谢谢!

发展历史

这个已经有大牛写的很好了,参考这篇ML发展历史

ML的分类

按照是否存在监督,可划分成两类:

有监督的(supervised learning) 无监督的(unsupervisied learning)

按照学习方式的不同可以分为:

有监督的(除强化学习外) 无监督的 强化学习(reinforce learning)

按照具体的使用场景主要可以分为两类:

分类(classification) 回归(regression)

使用过程中我们都是按照具体的要求来进行,主要就是classificationregression,所以下面按照使用场景来说下

几个场景

基本上ML有如下几个场景:

  1. classification(example: SVM,KNN,CNN)
  2. regression(example: linear regression)
  3. clustering(example: k-means)
  4. dimensionality reduction(example: PCA)
  5. model selection(example: grid search,cross validation)
  6. preprocessing(example: standardization,variance scaling)

说到这,恐怕没有接触过ML的还是不知道我在说什么,下面就给大家先入为主的印象吧!

classification

大白话就是:给你一个目标预测此目标是属于哪一类的东西

实质就是预测x属于每一类的概率P(y|x),概率最大的y即为x的类别(label)

regression

通过不同的regression function来预测下个keyvalue是多少

比如说最简单的线性回归(linear regression):

clustering

主要的作用是:将某种规则下属于一类的物体归为一类,也就是聚类,典型的应用是k-means,比如下图:

dimensionality reduction

中文叫做降维,顾名思义就是用来降低数据的维度的,减少运算量. 在ML中往往由于输入数据维度过大,导致时间复杂度很高.但是输入数据往往是包含很多无用的信息的,一个想法就是:提取有用的信息,丢弃无用的或者贡献度较低的信息,来实现降维度的目的. 典型应用是主成分分析(principle component analysis),使用PCA可以把原本的维度大大降低,减小了运算成本

model selection

ML中经常遇到的就是有多个模型,如何选择模型,这需要一个科学的方法去得出数据(而不是人工的方式)来进行选择. 典型应用是交叉验证(cross validation),大致就是将数据集划分为不同的多个部分,使用其中的某些数据去训练模型,剩下的去验证这个模型的精度,可以进行比较科学的model selection.

preprocessing

往往我们直接拿到的原始数据是不能用在ML上的,在某些场景下可能需要进行预处理(preprocessing),比如:图像的去噪,数据的归一化等等. 这个需要视具体的任务和数据而定

先写到这,下篇继续

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI研习社

用深度学习技术,让你的眼睛可以控制电脑

你有没有过这样的经历,当你在吃东西的时候,发现自己没有多余的手来调节电影的音量,或者调节屏幕的亮度?在本文,我们将看到如何使用最先进的人工智能技术来解决这个问题...

995
来自专栏iOSDevLog

Scikit-learn

793
来自专栏机器之心

从算法到训练,综述强化学习实现技巧与调试经验

选自GitHub 作者:WilliamFalcon 机器之心编译 参与:乾树、黄小天 本文整理自 John Schulman 题为「深度强化学习研究的具体内容...

2856
来自专栏PPV课数据科学社区

深度学习带你抠像表演

前情 回顾这些年机器学习的进展,我也一直想弄点真正的机器学习产品。 几个月前,我参加了超棒的Fast.ai深度学习课程之后,我好像就开窍了,我也有了机会:得益于...

3096
来自专栏机器之心

前沿 | 将逆向课程生成用于强化学习:伯克利新研究让智能体掌握全新任务

36610
来自专栏腾讯云人工智能

“猜画小歌”的一些细节和思考

"猜画小歌"用到的quickdraw模型本质上是一个分类模型,输入是笔画的点的坐标信息和每笔起始的标识信息,应用几个级联的一维卷积,再使用 BiLSTM 层并对...

3.9K3
来自专栏腾讯技术工程官方号的专栏

腾讯 AI Lab 正式开源PocketFlow自动化深度学习模型压缩与加速框架

11月1日,腾讯AI Lab在南京举办的腾讯全球合作伙伴论坛上宣布正式开源“PocketFlow”项目, 该项目是一个自动化深度学习模型压缩与加速框架,整合多种...

2564
来自专栏祝威廉

深度学习思考

大部分机器学习算法(包括深度学习),其实是在一个理想空间里(接下来我们会以三维空间为例子)寻找一个最大/最小值。三维空间是无限大的,在某个实际场景,假设我们有了...

753
来自专栏PPV课数据科学社区

关于机器学习,你需要知道的三件事!

关键词:MATLAB、机器学习、机器学习算法、 正文如下: 导读:MATLAB开发运营团队深度解析何为机器学习,什么时候使用机器学习,如何选择机器学习算法,MA...

3525
来自专栏腾讯开源的专栏

【开源公告】腾讯 AI Lab 正式开源PocketFlow,让深度学习放入手机!

11月1日,腾讯AI Lab在南京举办的腾讯全球合作伙伴论坛上宣布正式开源“PocketFlow”项目, 该项目是一个自动化深度学习模型压缩与加速框架,整合多种...

1032

扫码关注云+社区