网站建设网站模版,广告网站模板下载 迅雷下载安装,怎么在国外建网站,大型网站开发考试文章目录 1. 机器学习三步骤2. 机器学习图谱2.1 任务类型 (Task)2.2 模型选择 (Methods)2.3 学习场景 (Scenario) 1. 机器学习三步骤 定义一个模型 (Define a set of function) 选择一组合适的函数来表示模型。 评估模型好坏 (Goodness of function) 找到一个损失函数#xf… 文章目录 1. 机器学习三步骤2. 机器学习图谱2.1 任务类型 (Task)2.2 模型选择 (Methods)2.3 学习场景 (Scenario) 1. 机器学习三步骤 定义一个模型 (Define a set of function) 选择一组合适的函数来表示模型。 评估模型好坏 (Goodness of function) 找到一个损失函数用来评价模型的性能。 选择最佳函数 (Pick the best function) 在模型中选择一个最终的函数优化其性能。 2. 机器学习图谱
2.1 任务类型 (Task) 回归问题 (Regression) 输出为数值是对连续变量的预测。 分类问题 (Classification) 输出为类别是对离散变量的预测。 结构化问题 (Structured Prediction) 机器输出的是具有结构性的结果如语音识别、机器翻译、人脸识别等。 2.2 模型选择 (Methods) 线性模型 (Linear Models) 非线性模型 (Non-linear Models) DNN / CNN (深度神经网络/卷积神经网络)SVM (支持向量机)决策树 (Decision Trees)K-NN (K近邻) 同样的问题可以使用不同的模型进行解决。 2.3 学习场景 (Scenario) 监督学习 (Supervised Learning) 数据是有标注的每个样本都对应一个标签。 半监督学习 (Semi-supervised Learning) 数据是部分有标注和部分无标注的。 无监督学习 (Unsupervised Learning) 数据是无标注的主要关注特征提取而非标签如聚类、降维等。 迁移学习 (Transfer Learning) 数据来自不同的类别有时有标注有时无标注通过迁移知识进行学习。 强化学习 (Reinforcement Learning) 机器通过与环境交互获得反馈奖励/惩罚如AlphaGo并基于这些反馈调整策略。
