专栏首页iOSDevLog第0章:什么是机器学习?

第0章:什么是机器学习?

原文:https://medium.com/machine-learning-101/chapter-0-what-is-machine-learning-ad136361c618

让我们进入机器学习的世界!这是介绍。您可以跳过这一步以深入了解直接技术部分。虽然,我建议你快速浏览一下,以便它可以让你清楚,在什么方向上课程将继续。

输入未知数

一个机器学习涉及的工具或算法是数据驱动的。他们的主要工作是根据提供给他们的过去 /训练数据进行猜测。与传统算法不同,它们的输出是数据驱动的。

例如,您可以为公寓设置价格预测模型。用过去的趋势和价格训练他们。接下来你问算法未来五年的价格是多少!或者,您可以训练一个包含 10 万封垃圾邮件的系统,然后根据机器进行的分析筛选出新邮件。

简而言之,我们用巨大的测试数据训练机器,然后要求输入我们不知道的结果。

信任问题。那么我们如何确定正确性呢?

准确率:准确率是我们确定任何机器学习算法的正确性的值。

它预测的是正确的值与总值的比率。因此,为了计算准确率,我们预留了一部分训练集(我们知道其输入和输出!)可以说 10%。我们用 90% 的数据训练模型,并要求预测 10% 。接下来我们匹配我们的实际答案。可靠模型的准确度更高。

注意:在整个系列中,我们将使用 python 作为编码语言。因此,在解释这些内容时,您可能会遇到 python 中的代码段。

这是衡量模型质量的首要参数。

两大类

机器学习涉及两大类:监督学习和非监督学习。最初在这个博客系列中,我们将深入监督学习,然后探索无监督学习。

监督学习是我们提供具有一组输入和与之相关的输出(训练模型)的模型,然后机器参考该训练集来预测输入要求的值。

相反,如果我们只为机器提供一组输入,并让机器弄清楚所有的关系,特征和行为,那么就属于无监督学习。

那么我们从哪里开始呢?嗯..先监督学习。

监督学习的第一个垫脚石是获得关于朴素贝叶斯分类器的知识。朴素贝叶斯分类器是用于标记输入的概率算法。在下一章第1章:朴素贝叶斯分类器中,我们广泛地研究了朴素贝叶斯分类器并编写了一个小项目。

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • ARKit 教学:如何搭配SceneKit来建立一个简单的ARKit Demo设定ARKit SceneKit View从ARSCNView移除物件

    增强现实(Argument Reality)来啰!记得宝可梦(Pokemon Go)吗?它当然也是增强现实的代表之一!Apple终于在iOS11将增强现实带进来...

    iOSDevLog
  • 图像检测-如何通过扫描图像来制造幻觉

    今年,Apple发布了ARKit 2的新功能。其中之一就是图像检测。这是一个非常酷的功能,允许您在用户的环境中跟踪2D图像,并在其上放置增强现实内容。在本课程中...

    iOSDevLog
  • ARKit和CoreLocation

    演示代码 ARKit和CoreLocation:第一部分 ARKit和CoreLocation:第二部分 ARKit和CoreLocation:第三部分

    iOSDevLog
  • 文科生用机器学习做论文,该写些什么?

    从“价值、必要、讨论和工具”这四个角度,把一些容易踩的坑提示给你,助你顺利完成研究论文撰写。

    王树义
  • 【干货指南】机器学习必须需要大量数据?小数据集也能有大价值!

    深度学习往往需要大量数据,不然就会出现过度拟合,本文作者提出了一些在文本数据量不够大的时候可用的一些实用方法,从而赋予小数据集以价值。

    新智元
  • 几千条文本库也能做机器学习!NLP小数据集训练指南

    深度学习往往需要大量数据,不然就会出现过度拟合,本文作者提出了一些在文本数据量不够大的时候可用的一些实用方法,从而赋予小数据集以价值。

    大数据文摘
  • 几千条文本库也能做机器学习!NLP小数据集训练指南

    深度学习往往需要大量数据,不然就会出现过度拟合,本文作者提出了一些在文本数据量不够大的时候可用的一些实用方法,从而赋予小数据集以价值。

    CDA数据分析师
  • 深度学习不得不会的迁移学习(Transfer Learning)

    在传统的机器学习的框架下,学习的任务就是在给定充分训练数据的基础上来学习一个分类模型;然后利用这个学习到的模型来对测试文档进行分类与预测。然而,...

    小草AI
  • 模型训练太慢?来试试用这个方法提速吧!

    原标题:How to Train Your Model (Dramatically Faster)

    崔庆才
  • 病人是否有生命危险?机器学习告诉你——专访南加州大学终身教授刘燕

    用户1737318

扫码关注云+社区

领取腾讯云代金券