机器学习复习(待更新)

01绪论

(1)机器学习基本分类:

  1. 监督学习(有标签)
  2. 半监督学习(部分标签,找数据结构)
  3. 无监督学习(无标签,找数据结构)
  4. 强化学习(不断交互,根据反馈调整策略)

(2)机器学习根据预测任务不同的分类:

  1. 分类问题
  2. 回归问题
  3. 标注问题

(3)相关名词:

  1. 输入空间:所有可能输入值的集合;
  2. 输出空间:所有可能输出值的集合;
  3. 实例:个体
  4. 特征向量:用于表示样本;
  5. 特征空间:特征向量存在的空间;
  6. 训练数据:用于训练模型;
  7. 测试数据:用于测试模型对未知数据的作用;
  8. 样本:具体的输入实例;
  9. 假设空间:所有可能的模型集合;

(4)机器学习按模型分类:

  1. 概率(朴素贝叶斯模型)与非概率模型(SVM)
  2. 线性(线性回归模型)与非线性模型(神经网络模型)
  3. 参数化(线性回归模型)与非参数化模型(核函数估计)
javascript 复制代码
// An highlighted block
在机器学习中,"输入空间"是指所有可能输入值的集合,"输出空间"则是所有可能输出值的集合。每一个具体的输入实例被称为一个"样本",并由特征向量来表示。这些特征向量存在的空间称为"特征空间"。训练数据和测试数据都是样本的集合,用于训练和评估模型的性能。其中,训练数据用于训练模型,而测试数据用于测试模型对未知数据的预测能力。
此外,"假设空间"是机器学习中的另一个关键概念,它指的是所有可能模型的集合,包括模型的结构、参数等所有可以改变的部分。在监督学习中,我们会从假设空间中选取最优模型,使其能够最好地拟合训练数据*
相关推荐
水如烟30 分钟前
孤能子视角:智能的边界不在算法强弱,在可形式化性——从概率法到因果推理,选择池的边界一直在那里
人工智能
万里侯2 小时前
日志聚类之后别把 noise 扔掉:降噪应该改变视图,不抹掉证据
人工智能·微服务·ai·容器·k8s
澹锦汐2 小时前
纯前端秋日银杏与枫叶落叶色板智能聚类器:基于 K-Means 色彩量化与直方图自动配方提取
前端·人工智能·ai·语言模型·vue·react·k-means
7177779 小时前
国内 AI 研发效能工具怎么选:2026 年基于公开信息的选型框架与 Gitee 实践
人工智能·gitee
Csvn10 小时前
换供应商要改一遍代码?把模型接入收进一层网关(C04)
人工智能·aigc·agent
孟健10 小时前
开源AutoClip切直播:1小时48分出19段,整月API只花0.08元
人工智能·开源·aigc
翰墨之道10 小时前
AI日报:豆包工作ARR超20亿,GPT-6.2跑分与实测割裂
人工智能·gpt·数据挖掘
Maynor99611 小时前
Trymodel 使用介绍:一个平台同时用 Claude、GPT、Gemini 和 Grok
人工智能·gpt·ai·程序员·教程·claude·语音
字节跳动视频云技术团队12 小时前
接大模型别再自己配 Key、搭代理了,火山引擎 IGA Pages 一步搞定
人工智能
阿里云大数据AI技术12 小时前
EMR Serverless StarRocks 产品介绍:从统一 OLAP 走向多模态分析与检索
人工智能