深度学习的概念案例

基本概念词汇（相关概念，百度百科一大堆，自行查询）

训练集，测试集，特征值，监督学习，非监督学习，半监督学习，分类，回归

概念学习：

学习是人类具有的一种重要智能行为，但究竟什么是学习，长期以来却众说纷纭。社会学家、逻辑学家和心理学家都各有其不同的看法。

机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能

改变自然，迫使自然满足人们物质生活需要的经济活动

以调整和改革人与人之间社会关系为目的的活动

实践是人的主观的、感性的活动，是主观见之于客观的能动的活动，是社会的活动，是历史的活动。科学证明，人类历史同自然历史都是客观的过程。同样，构成人类历史的实践以及实践自身的历史发展也是一个客观的过程。

马哲的理论在这里依然恰当,哈哈考研备考政治在这里还能用上，呵呵。

认识基础 –>反映客观 –> 检验真理

案例 “跑步运动”

小珑生活在北京，有时候会跑步，有时不跑步，是否跑步取决于很多因素

样例	天气	温度	湿度	风力	水温	预报	朋友	跑步运动
1	暖	暖	普通	强	暖	一样	约	是
2	暖	暖	大	强	暖	一样	约	是
3	冷	冷	大	强	暖	变化	不约	否
4	暖	暖	大	强	冷	变化	不约	是

因素列举：

天气：晴，阴，雨

温度：暖，冷

湿度：普通，大

风力：强，弱

水温：暖，冷

预报：一样，变化

朋友：约，不约

跑步运动：是，否

概念定义在实例(instance)集合之上，这个集合表示为X。（X：所有可能的日子，每个日子的值由 天气，温度，湿度，风力，水温，预报，朋友7个属性表示。

待学习的概念或目标函数成为目标概念（target concept), 记做c。

c(x) = 1, 当跑步运动时， c(x) = 0 当不跑步运动时，c(x)也可叫做y

x: 每一个实例

X: 样例, 所有实例的集合

学习目标：f: X -> Y

训练集(training set/data)/训练样例（training examples):

用来进行训练，也就是产生模型或者算法的数据集

测试集(testing set/data)/测试样例 (testing examples)：

用来专门进行测试已经学习好的模型或者算法的数据集

特征向量(features/feature vector)：

属性的集合，通常用一个向量来表示，附属于一个实例 标记(label): c(x), 实例类别的标记 正例(positive example) 反例(negative example)

[案例]研究北京顺义区房价

影响房价的两个重要因素：面积(平方米），学区（评分1-10）

样例	面积(平方米)	学区(1~10)	房价（万）
1	100	8	500
2	120	9	600
3	60	6	400
4	80	9	550
5	95	5	425

• 回归(regression): 目标标记为连续性数值 (continuous numeric value)
• 分类 (classification): 目标标记为类别型数据(category)

[案例]研究肿瘤良性，恶性于尺寸，颜色的关系

• 特征值：肿瘤尺寸，颜色
• 标记：良性/恶性

机器学习步骤框架

• 把数据拆 分为训练集和测试集
• 用训练集和训练集的特征向量来训练算法
• 用学习来的算法运用在测试集上来评估算法 （可能要设计到调整参数（parameter tuning), 用验证集（validation set）

机器学习的分类

• 有监督学习(supervised learning)： 训练集有类别标记(class label)，比如跑步运动
• 无监督学习(unsupervised learning)： 无类别标记(class label)，比如肿瘤问题，没有类别的标记，况且还没有训练集，也不知道是恶性还是良性，即没有标记
• 半监督学习（semi-supervised learning)：有类别标记的训练集 + 无标记的训练集

微信公众号首发，关注公众号，第一时间了解最新机器学习笔记，可进相关群，一起讨论，互相进步