LBJ_小松鼠的博客

1. 理解机器学习的3大要素 机器学习=模型+策略(检查模型的好坏)+算法 模型：规律y=ax+b 策略：什么样的模型是好的模型？损失函数 算法：如何高效找到最优参数，模型中的参数a和b 1.1 模型 机器学习中，首先要考虑学习什么样的模型，在监督学习中，如模型y=kx+b就是所要学习的内容。 模型分类 决策函数: 仅仅给出属于一个类别的值----决策树 条件概率分布函数: 不仅仅给出类别的值，还需要给出概率—LR算法 1.2 策略 评价模型的好坏，使用损失函数进行度量，模型给出的值与

简介: 机器学习专门研究计算机怎样模拟或实现人类的学习行为，使之不断改善自身性能。是一门能够发掘数据价值的算法和应用，它是计算机科学中最激动人心的领域。 机器学习目的: 通过自学习算法从数据中获取知识，进而对未来进行预测。 机器学习应用: 语音识别 无人驾驶 垃圾邮件过滤 1. 基于规则学习和基于模型的学习 基于规则的学习 没有机器学习之前 垃圾邮箱的过滤 但是基于规则的学习有一定的缺点: 规则是可以改变的 无法避免人为因素带来对结果的影响 基于模型的学习 机器学习学习什么?

大数据和机器学习或人工智能的区别和联系? 大数据做的是基础的数据存储和数据统计计算，而从大量的数据中发现或挖掘出有价值的信息或数据，需要借助机器学习算法结合大量的数据构建机器学习模型，利用模型对现实事件进行预测。 大数据时代改变了什么？ 改变了人类的思维方式 数据的重要性: 从数据资源到数据资产的转变; 直观现象: 出现了一些买卖数据的公司. 大数据的4V特征 数据量大： KB-----MB------GB----TB----PB----ZB-------1024-----2**10