Skip to content

机器学习简介

约 537 个字 预计阅读时间 2 分钟

Abstract

我个人记录的很简单，主要是有些数学推导我确实看不懂，我也懒得用latex敲一遍

参考资料

  • CS229是吴恩达老师授课的一门机器学习课，网上有笔记，可以直接对着别人笔记学，看不懂的再看视频
  • 小角龙前辈的博客，上面的数学证明比较全，文字部分也比较易懂
  • 计院的专业课机器学习，可以去智云上看

机器学习简介

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

分类

监督学习

如果样本带有预先设定的标签，就说我们正在进行监督学习，这种监督来自于标签，它们控制着比较步骤，并告诉算法是否预测了正确的标签。Learning a mapping from input x to output y. 监督学习有两种类型：

  • 分类(classification)：离散，y is a cantegorical varible比如人脸识别

  • 回归(regression)：连续，y is real-valued 比如预测房价

无监督学习

当输入的数据没有标签时，从这些数据中学习的算法均称为无监督学习，在没有帮助的情况下，系统必须自己解决所有问题。比如大模型都可以算无监督学习。 无监督学习有三种类型：

  • 聚类算法(clustering algorithm)

  • 降噪算法(noise reducing algorithm)

  • 降维算法(dimension reduction algorithm)

强化学习

总体思路是这样：智能体(agent)先采取一个行动，环境接纳这个行动并且通常会做出相应的改变来响应这个行动；然后环境会向这个智能体发送一个奖励信号(reward)，告诉它这个操作有多好或者多坏。比如AlphaGO，甚至可以自己和自己对练。