3、机器学习预测与神经网络基础解析

机器学习预测与神经网络基础解析

1. 机器学习算法的分类

机器学习算法可以从两个维度进行分类，一是监督学习与无监督学习，二是参数学习与非参数学习。这样就形成了四种不同类型的算法：监督参数学习、监督非参数学习、无监督参数学习和无监督非参数学习。

• 参数学习与非参数学习的定义
  • 参数模型 ：具有固定数量的参数。例如，在尝试将方钉放入正确的方孔时，像婴儿一样不断尝试将钉子插入各个孔中，直到找到合适的孔，这种方式类似于参数模型，倾向于使用试错法。
  • 非参数模型 ：参数数量是无限的，由数据决定。例如，青少年可能会先数钉子的边数（四条），然后寻找具有相同边数的孔，这种方式类似于非参数模型，倾向于计数。

2. 监督参数学习

监督参数学习机器有固定数量的“旋钮”（参数），通过转动这些旋钮来进行学习。输入数据根据旋钮的角度进行处理，并转化为预测结果。

• 学习过程示例 ：以预测红袜队赢得世界大赛的概率为例。
  1. 预测 ：收集体育统计数据（如胜负记录、球员平均脚趾数等），通过机器进行预测，例如预测获胜概率为 98%。
  2. 与真实模式比较 ：观察红袜队实际是否获胜。如果实际输了，预测值 98%大于真实值 0%。
  3. 学习模式