futing1992的博客

最早的机器学习应用：垃圾邮件分辨 传统的计算机解决问题思路： 编写规则，定义“垃圾邮件”，让计算机执行 对于很多问题，规则很难定义 规则在不断变化 我们生活中已经大量运用了机器学习 判断信用卡发送是否有风险 在使用Google搜索时根据你输入的部分关键字，判断你真正想搜索的内容 浏览商品时，你最有可能购买的商品 你有可能喜欢的音乐、图书、文章 语音识别、人脸识别 金融预...

机器学习方法分为： 监督学习 非监督学习 半监督学习 增强学习 监督学习 给机器的训练数据拥有“标记”或者“答案”。 监督学习算法：K近邻、线性回归和多项式回归、逻辑回归、SVM、决策树和决策森林 非监督学习 给机器的训练数据没有“标记”或者“答案”，对没有标记的数据进行分类—聚类分析。 对数据进行降维处理： 特征提取 特征压缩：PCA 异常检测 半监督学习 一部分数据有...

机器学习其他分类： 在线学习Online Learning 批量学习（离线学习）Batch Learning 批量学习 优点：简单 问题：如何适应环境变化？ 解决方案：定时重新批量学习 缺点：每次重新批量学习，运算量巨大 在某些环境变化非常快的情况下，甚至不可能 在线学习 优点：及时反映新的环境变化 问题：新的数据带来不好的变化 解决方案：需要加强对数据进行监控 也...