Machine Learning内容梳理

最新推荐文章于 2020-09-24 16:54:08 发布
原创 最新推荐文章于 2020-09-24 16:54:08 发布 · 557 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文从六个维度全面解析机器学习：起源、目的、方法、成果及细节。覆盖有监督学习、无监督学习等核心内容。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

内容来自于udcity的纳米课程

分了六个方面梳理了Machine Learning的所有内容。

WHAT?

WHAT FROM?

WHAT FOR?

HOW?

OUTPUTS?

DETAILS?

Machine Learning 简介与学习路线
是阿福呀
10-14 7306
Machine Learning 简介与学习路线数据挖掘： 机器学习（Machine Learning）有众多的应用领域，目前比较活跃的主要是数据挖掘（data mining），计算机视觉（computer vision, CV），自然语言处理（natural language processing, NLP），机器人决策这四大领域。 数据挖掘： 通俗的说是从大量已获取的案例中寻找出数据的关系...
机器学习（machine learning）的一些常识
qq_42045868的博客
07-01 747
关于人工智能AI（Artificial Intelligence） AI本质是一种工具，所以必须有人用才能发挥工具的价值 工具之间的核心差异是效能（也就是杠杆率），比如使用锤头，人只需出一份力就能得到2倍回报 AI在很多场景和领域还是没有什么价值，当前局限性依然很大 AI定义：一种高级的计算机程序、有明确的目标、可以感受到环境的变化（可以听到或看到环境的变化）、可以根据不同的环境做出不同的反应实...
机器学习(Machine Learning)笔记系列1：概括
王远的博客
06-28 449
@[TOC](机器学习(Machine Learning)笔记系列1：概括) 机器学习(ML)的定义 从广义上来说，机器学习是一种能够赋予机器学习的能力以此让它完成直接编程无法完成的功能的方法。但从实践的意义上来说，机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方法。 ML的分类 ML分为监督式学习与非监督式学习（还有半监督式学习，这里不作描述）。 监督式学习 定义：简单来说就是...
machine learning概述
enjoyhot的专栏
01-18 1437
machine learning概述
machine learning笔记（一）-基础知识梳理
AmberPro的博客
08-16 610
基础概念梳理：   Supervised Learning -- 监督学习 通过已有的训练样本（即已知数据以及其对应的输出）去训练得到一个最优模型（这个模型属于某个函数的集合，最优则表示在某个评价准则下是最佳的）， 再利用这个模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现分类的目的，也就具有了对未知数据进行分类的能力。 根据已知分类结果的样本集（通常是人工已经进行分类了，...
Machine Learning 梳理总结 L0~L6
某Q的博客
10-15 645
9月份比较系统的看了李宏毅教授的Machine Learning课程，这个月开始就没太多看ML,DL的东西。下周有一个deep learning project的due，借着机会重新理一下。 下面按照之前笔记加上自己的理解做个梳理 要是发现我理解错了记得告诉我鸭 Lecture0: 机器学习介绍 Machine Learning = Looking for a function, 对于一些复杂现象...
Machine Learning with Python - 2023.pdf
04-18
《使用Python的机器学习 - 理论与应用》是2023年由位于美国辛辛那提...由于内容的扫描可能存在技术问题，部分文字可能识别错误或者漏识别，因此在解读时需要对文义进行逻辑上的推断和梳理，以保证内容的通顺和准确性。
【Machine Learning】
最新发布
05-13
在本次提供的文件“【Machine Learning】comp7404 试卷+笔记”中，我们可以期待的是包含了机器学习相关知识点的梳理、分析和总结。文件内容可能会涉及机器学习的基础概念、核心算法、模型评估、优化技术以及实际应用...
CFA知识点梳理系列：CFA Level II, Reading 3 Machine Learning
12-16
CFA知识点梳理系列：CFA Level II, Reading 3 Machine Learning
【机器学习数学基础】Mathematics for Machine Learning 梳理+习题答案
weixin_42278063的博客
04-01 4842
最近在准备保研的同时，打算温习一些数学知识，并且为即将到来的研究生生活添砖加瓦。所以打算开一个专题来督促自己每天能持续地有所收获吧~ 教材选用：Mathematics for Machine Learning 文章内容： 梳理知识点内容、课后练习题答案 【声明】 博主知识水平有限，如有错误，还望指出改正，多谢！ 更新目录进度表（持续更新）： 1. Linear Algebra 线性代数 1.1 S...
Machine Learning in Pipeline Inspection
12-24
文章标题“Machine Learning in Pipeline Inspection”和描述“Machine Learning Techniques for the Analysis of Magnetic Flux Leakage Images in Pipeline Inspection”以及标签“machine learning analysis ...
吴恩达机器学习之特征缩放，即梯度下降的使用小技巧https://www.coursera.org/learn/machine-learning#syllabus
qq_39641349的博客
09-24 320
1.不简化时 先假设该模型有两个特征的问题，X1和X2，X1是房屋面积，约为0-2000，X2是卧室的数量，约为1-5 当代价函数的等值线又瘦又高时，梯度下降的就越慢并反复来回震荡 2.当简化后 如图，当两个特征的问题都经过处理后，此时的代价函数的等值线如图，这时候的梯度下降就会很快 最好是将特征的取值约束到-1-1之间，只要特征之间的取值不要相差太大即可 均值归一化 上面的几个公式仍然不是最好的，这里介绍一下均值归一化，如图 先减去特征的平均值，再除以特征的取值的最大值 afa的取值问题 如果学习率afa
【机器学习】Machine Learning by Andrew Ng
阿歇的专栏
08-28 1209
时间：2014.6.30 ~2014.9月初 地址
EM算法和MM算法
金字塔上的蜗牛的专栏
11-05 7994
EM算法是机器学习中常用到的优化算法。MM算法与EM算法有联系但是又有区别，简单来说EM算法是MM算法中的一种情况。
基因序列分类问题——多类分类器的设计
金字塔上的蜗牛的专栏
07-02 6308
1. 问题背景 生物学研究中，用检测DNA序列来判断检测对象的物种越来越成为一种简便、快捷的手段。现在的测量技术已经能够很方便地测量出物种的DNA序列，将其进行分类可以运用机器学习的方法。本文将探讨如何基于DNA序列的数据集设计一个性能良好的多类的分类器。 2. 数据集简介 数据集中有共20000条基于序列，一共来自10个物种。其中一条基因是一个72个碱基的序列，如下所示： AGGGG
机器学习中的bagging技巧
金字塔上的蜗牛的专栏
07-10 4468
bagging的作用bagging是增强原算法的一种手段。神经网络、分类问题、回归问题、线性回归中的子集选择问题、k最近邻算法都可以使用bagging来加强。使用bagging加强后的算法的性能会出现一些有规律的变化。一般而言，若原来的算法的稳定性差，使用bagging后，算法的准确率会得到较大程度的提高。若原来的算法的稳定性高，则使用bagging后，算法的准确率会略微降低。因此，在考虑使用bag
alternating minmize算法
金字塔上的蜗牛的专栏
03-05 3578
alternating minmize算法，中文称作交替最小法。 算法思想： 假定有目标函数f(U,V)，每次仅把其中的一个变量视作可变量进行优化，其他的变量视作常量，对所有的变量交替进行此优化操作。 假定初始有(U,V)=(U0,V0) U1 = argmin_U{f(U,V0)} 得到(U1, V0)--->f(U1,V0) V1 = argmin_V{f(U1,V)} 得到(U
生成算法与判别算法
金字塔上的蜗牛的专栏
06-26 2697
Naive Bayes（朴素贝叶斯） 可用来做二分类。 是一种生成学习算法。 logistical regression也是一个二类分类器，但是和Naive Bayes是两种不同的思路，思想非常不一样。 假设我们要在一群动物中区分蚂蚁和大象。 生成学习算法教我们用从训练数据中学习出蚂蚁长什么样子，大象长什么样子。 然后现在有一个动物，我们要判断它是哪一种，计算它更像哪一个就把它判断为哪
坐标下降法
金字塔上的蜗牛的专栏
03-08 1583
 坐标下降法是一种思想简单的优化方法，常用的坐标轮换搜索是其中的一个特例。
《Machine Learning: A Probabilistic Perspective》深度解析
通过这些知识点的梳理，我们可以看到《Machine Learning: A Probabilistic Perspective》不仅仅是一本机器学习入门书籍，更深入地讲解了概率论在机器学习中的应用，提供了丰富的数学和理论支持。这使得它不仅适用于...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值