机器学习

本文介绍了机器学习的基本概念,包括任务T、经验E和性能P三要素,并探讨了有监督学习、无监督学习及增强学习等不同学习方式。此外,还讨论了机器学习的研究范围,涉及数据预处理、算法模型选择及参数优化等方面。

1.机器学习

1.1.概念

对于某给定的任务T,在合理的性能度量方案P的前提下,某计算机程序可以自主学习任务T经验E;随着提供合适、优质、大量的经验E,该程序对于任务T性能逐步提高。
以下是机器学习的重要对象:

  • 任务Task,T, 一个或者多个
  • 经验Experience,E
  • 性能Performance,P

即,随着任务的不断执行,经验的累积会带来计算性能的提升。
机器学习致力于研究如何通过计算的手段,利用经验来改善系统自身的性能经验就是我们喂给机器的数据

1.2. 分类
  • 有监督学习,对给定训练数据做标记。
  • 无监督学习,对特征统计。
  • 增强学习,
1.3. 研究范围

给定数据的预测问题

  • 数据清洗、特征选择
  • 确定算法模型、参数优化
  • 结果预测
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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