继续浏览精彩内容
慕课网APP
程序员的梦工厂
打开
继续
感谢您的支持,我会继续努力的
赞赏金额会直接到老师账户
将二维码发送给自己后长按识别
微信支付
支付宝支付

【学习打卡】第1天 Python3入门机器学习

黄义舜
关注TA
已关注
手记 36
粉丝 4
获赞 32

课程名称:Python3入门机器学习 经典算法与应用 入行人工智能

课程章节: 1-1,1-2,1-3;2-1,2-2,2-3,2-4

主讲老师:liuyubobobo#


### 课程内容:

今天学习的内容包括:

  1. 机器学习的概念
  2. 数据基础概念
  3. 机器学习基本任务
  4. 算法分类

1.机器学习的概念

试图对比着,从人类的学习中理解,机器学习。

人类学习(经验学习)以猫狗识别为例:

1.从一定的样本资料。(从大人指给你看,这只是猫这只是狗)
2.经过大脑的学习,归纳,整理,总结(观察特征并分析总结记住)
3.到形成自己的知识,和经验。(明白了,这样的是狗,这样的是猫)
4.再遇到类似的问题,从而使大脑在遇到类似的问题,能快速做出反应。

机器学习

1.大量的学习资料(猫狗照片)
2.通过算法建立模型
3.输入新资料,判断,输出结果

### 总结: >人类学习和机器学习,总体上一样。

人类学习,

只需要少量样本资料(例如几只猫和几只狗的照片),就能非常准确识别。
但是判断的效率比较低

机器学习

需要大量样本才能准确识别。
判断效率快,能快速处理大量新样本


2.数据基础概念

  • 数据整体——数据集(data set)

  • 每一行数据——一个样本(sample)

  • 每一列数据——一个特征(feature)
    62ea3ff30001bb2319201080-500-284.jpg (500×281)
    以左上角为坐标系,向下为x轴(i,列,特征索引),向右为y轴(j,行,数据索引)

X为矩阵(通常矩阵为大写)

y为向量(向量为小写,约定俗成)


3.机器学习基本任务(分类任务/回归任务)

分类任务(离散值)

  • 二分类

      1.判断猫或狗,判断1或0
    
      2.判断是不是垃圾邮件
    
      3.判断有没有肿瘤
    
  • 多分类

      1.数字识别
    
      2.图像识别
    
      3.人脸识别
    
      4.判断患肿瘤的大小
    

回归任务(连续值)

1.房屋价格

2.股票价格预测

3.销售额预测

算法分类

监督学习;非监督学习;半监督学习;批量学习;在线学习

监督学习

我们给算法一个数据集,从标记的训练数据来推断一个功能的机器学习任务。

非监督学习

在无监督学习中数据无任何标签,或相同标签的数据,交给机器来识别其中的结构,可以将数据进行分类。(聚类分析)

对数据进行降维处理(压缩特征,删除特征)

异常检测(分类之后,有几个点不合群)	

半监督学习

 一部分数据有标记或者答案,另一部分数据没有

通常先使用无监督对数据进行预处理,分类,然后使用监督学习进行预测

批量学习(简单)

(在数据,环境变化不那么快的时候使用,定期进行批量学习来适应环境)

收集学习资料,

通过算法创建模型(模型不变)

模型投入使用

在线学习(复杂)

(新的数据有可能不是正常的数据,或者不合适的数据,判断异常数据进行加强监控)

收集学习资料,

通过算法创建模型(模型优化)

模型投入使用

通过预测值与实际值来改进模型

总结:

人工智能>>机器学习算法>>深度学习

  • 机器学习算法只是人工智能领域中解决问题的一种方法

  • 人工智能还包含搜索算法,等等其他算法

  • 事实上,机器算法中某些底层算法(如梯度下降)就属于搜索算法

  • 请多多涉略不同内容,切勿孤立地学习

  • 机器学习比起人脑需要更大量的数据来进行学习,但是学习之后进行判断的效率很高,近年来机器学习,深度学习的兴起,我想离不开可以大量获取的数据,和计算机算力的提升,

  • 关于机器学习,我认为是从大量数据集中学习经验,来解决某一个任务,并通过一种衡量其准确与否的度量,来测量计算机在任务中的表现,然后提高经验,从而更好地用准确的经验来完成任务

  • http://img.mukewang.com/szimg/6156bbf9096fddcd09060508.jpg

  • 今天第一次学习,学习了2小时,是在看完吴恩达教授的教学视屏之后,机器学习的第二站,希望也能收获满满

打开App,阅读手记
1人推荐
发表评论
随时随地看视频慕课网APP