[机器学习]日常5

1.机器学习的几点基础在于线性代数、离散数学和数据结构。

斯坦福大学公开课：机器学习课程中文版在网易公开课中的链接http://open.163.com/special/opencourse/machinelearning.html

网易云课堂链接https://study.163.com/course/courseLearn.htm?courseId=1004570029#/learn/video?lessonId=1049050791&courseId=1004570029

 

2.摘自“适定性”百度百科词条https://m.baidu.com/sf_bk/item/适定/6714060?ms=1&rid=6801248774450217227

适定性规定了解的三重性质，指的是存在着解、解是惟一的、解连续地取决于初边值条件。

 

3.对机器学习的基础理解与定义。转自简书博主形式主义_5adc的文章https://www.jianshu.com/p/b4f689a47ed3。

一、机器学习定义

计算机程序从经验E中学习解决某一任务T进行某一性能度量P，通过P测定在T上的表现因经验E而提高。

例如：邮件系统从人工标记垃圾邮件中学习分类邮件。将邮件根据是否为垃圾邮件进行分类是任务T，人工进行的分类是经验E，最终邮件系统正确分类邮件的数量是性能度量P。

 

二、监督学习

给予算法一个包含正确答案的数据集，算法的目的是给出更多的正确答案。

回归问题：预测连续值输出。

分类问题：预测离散值输出。

 

三、无监督学习

给予算法的数据集中不包含正确答案，算法需要自己找出规律。

例如：各类聚类算法、鸡尾酒算法