机器学习(matlab版) | lesson 1

机器学习算法是利用计算方法直接从数据中学习信息

可以被模型、公式直接描述的模型不是机器学习

ML的类型

1 非监督学习(聚类)、2 监督学习(分类、回归)、3 强化学习

非监督学习

1) 硬聚类算法

2)软聚类算法,给一个概率

监督学习

模型训练需要:

1 已知的输入(特征)

2 已知的输出(标签)

监督学习的类别 

1 回归(预测一个温度) 线性回归

2 分类(做一个决策,是否患病、是否垃圾邮件)决策树、支持向量机(SVM),相对于深度学习运算量小、类神经网络(深度学习的前身)、贝叶斯

模型的选择:

1 数据的类型和大小

2 想要从数据中获得什么?

3 具体的应用场景

选择策略:可以将所有模型都跑一遍,计算错误率,然后再决定选择

ML面临的挑战

1 data的类别和大小不同:从不同商家搜集的资料可能格式不一样

2 需要对data进行预处理

3 花时间找到最拟合数据的模型

资料的定义->数据的掌握->模型的选择

流程 

机器学习(matlab版) | lesson 1_第1张图片

你可能感兴趣的:(机器学习,人工智能)