qq_42079167的博客

机器学习就是自动找函式 第一，弄清楚想找什么样的函式？ 机器学习包括三大类问题：Generation(文句、图片等用于翻译、产生图像等)、Regression、Classification 例如解决Binary Classification(Input->function->Yes/No)、Multi-Class classification(Input->function->class 1,class 2,…,class M) 对于解决不同的任务，需要弄清楚它的本质任务属性从而确定

机器学习 机器学习（Machine Learning，ML）就是让计算机从数据中进行自动学习，得到某种知识（或规律）。 如下图给出了机器学习的基本概念。对一个预测任务，输入特征向量为x，输出标签为y，我们选择一个函数f(x, θ)，通过学习算法A和一组训练样本D，找到一组最优的参数θ∗，得到最终的模型f(x, θ∗)。这样就可以对新的输入x进行预测。 (上图引自邱锡鹏的《神经网络与深度学习》) 机器学习任务要先需要根据样本数据来确定其输入空间X 和输出空间Y。不同机器学习任务的主要区别在于输出空间不同，例

1.分支处理，即确定在每个分支的决策节点处的分支属性（最有区分性的）。 2.分支属性能够将尽量多的样本区分开来。然后再找一个属性变成分支组合。 3.ID3算法是在每个节点处选取能获得最高信息增益的分支属性进行分裂。 熵：某一时刻分子运动状态的不确定性。衡量样本级和纯度的指标是熵： （加负号是因为概率p是小于等于1，log后小于0，加入符号将熵变成正数）熵越小，不确定性越小（比如硬币抛两个面和四个面...