这一章围绕机器学习中的一个重要方法——监督学习展开,分别从机器学习的基本概念,线性回归分析,提升算法三个方面来介绍。
一·机器学习: 从数据中学习知识
机器学习:
1.
原始数据中提取特征
2.
学习映射函数
𝑓
3.
通过映射函数
𝑓
将原始数据映射到语义空间,即寻找数据和任务目标之间的关系
机器学习的分类 :
1.监督学习
(supervised learning)
数据有标签、一般为回归或分类等任务
2.无监督学习
(un-supervised learning)
数据无标签、一般为聚类或若干降维任务
3.强化学习
(reinforcement learning)
序列数据决策学习,一般为与从环境交互中学习
可

本文介绍了机器学习中的监督学习方法,包括数据特征提取、线性回归示例以及提升算法中的AdaBoosting。通过实例演示了如何使用线性回归分析变量关系,并探讨了如何通过弱分类器的组合形成强大分类器,涉及霍夫丁不等式和PAC理论。
最低0.47元/天 解锁文章

被折叠的 条评论
为什么被折叠?



