深度学习学习笔记---机器学习概述

机器学习概述

学习地址https://zh.d2l.ai/chapter_introduction/index.html

机器学习的关键组件

数据

• 数据集由大量样本组成
• 样本由特征向量和标签组成
• 特征向量的长度称为数据的维数
• 每一个样本独立同分布
• 数据的准确性很重要，垃圾数据导致垃圾的输出
• 数据的量也很关键，大量的数据训练出更加强大的模型。

模型/机器学习算法

• 模型用于数据的转换，模型即解决问题的方法，可以是简单的机器学习算法，也可以是复杂的深度学习模型

目标函数（损失函数）

• 用于度量模型效果的函数，常见的方法是平方误差，由于求的是误差，所以越小越好，所以也称为损失函数

优化算法

• 用于优化目标函数结果的算法，常见的方法有梯度下降法。

机器学习解决哪些问题

监督学习问题

• 线性回归

  • 解决预测数值类问题

• 分类

  • 解决预测类别问题

• 标记

  • 解决打标签问题

• 搜索