【机器学习】台湾大学林轩田机器学习笔记(20180828更新)

博客介绍了机器学习的构成,指出其希望用资料找出与目标最接近的假设。还阐述了机器学习与数据挖掘、人工智能、统计的关系。介绍了感知器假设集和学习算法,以及多元分类中的回归分析工具,最后讲解了监督式和非监督式学习的概念及示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1-4 机器学习的构成
作为银行要不要发给用户信用卡?

1-5
机器学习:希望用资料找出假设g,跟目标f最接近。
数据挖掘:用大量数据发现有趣的属性。与机器学习很接近。
人工智能:计算一些聪明的行为。机器学习是实现人工智能的一种方式。
统计:统计是实现机器学习的一种方法。

2-1 感知器假设集
算法A使用数据集合D和假设集合H得到结论g
∑ Wi*Xi > threshold

2-2 感知器学习算法
不断修正,直至在现有集合上没有错误。

3-1 多元分类
回归分析 工具

3-2 学习输出不同的数据标记
①监督式学习:知道x和y。例如:给出一堆美元铜板,有1美分,10美分,20美分,50美分,如何将铜板按照面值分群。
②非监督式学习:不知道x对应的y。例如:给一堆美元铜板,不知道其面值,将其按照面值分群。又如异常值监测。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值