机器学习(复试)

学习分类

其学习形式主要分为:有监督学习、无监督学习、半监督学习

有监督

有监督学习(supervised learning),需要你事先需要准备好要输入数据(训练样本)与真实的输出结果(参考答案)

预测结果分类

比如有监督学习可以划分为:回归问题和分类问题

如果预测结果是离散的,通常为分类问题,而为连续的,则是回归问题。

机器学习的专业术语

  1. 模型:模型这一词语将会贯穿整个教程的始末,它是机器学习中的核心概念。
  2. 数据集
  3. 样本&特征
  4. 向量
  5. 矩阵:矩阵看成由向量组成的二维数组

假设函数和损失函数

  1. 假设函数:假设函数(Hypothesis Function)可表述为 y=f(x) 其中 x 表示输入数据,而 y 表示输出的预测结果
  2. 损失函数:损失函数(Loss Function)又叫目标函数,简写为 L(x),这里的 x 是假设函数得出的预测结果"y",如果 L(x) 的返回值越大就表示预测结果与实际偏差越大,越小则证明预测值越来越"逼近"真实值,
  3. 优化方法:"优化方法"可以理解为假设函数和损失函数之间的沟通桥梁。

拟合&过拟合&欠拟合

1)拟合:形象地说,"拟合"就是把平面坐标系中一系列散落的点,用一条光滑的曲线连接起来,因此拟合也被称为"曲线拟合"。

  1. 过拟合:过拟合(overfitting)与是机器学习模型训练过程中经常遇到的问题,所谓过拟合,通俗来讲就是模型的泛化能力较差,也就是过拟合的模型在训练样本中表现优越,但是在验证数据以及测试数据集中表现不佳。过拟合问题在机器学习中经常遇到,主要是因为训练时样本过少,特征值过多导致的,后续还会详细介绍。

  2. 欠拟合:欠拟合(underfitting)恰好与过拟合相反,它指的是"曲线"不能很好的"拟合"数据。

相关推荐
2202_756749692 小时前
自然处理语言NLP:One-Hot编码、TF-IDF、词向量、NLP特征输入、EmbeddingLayer实现、word2vec
人工智能·深度学习·自然语言处理·tf-idf·word2vec
坐吃山猪3 小时前
动手学深度学习03-线性神经网络
人工智能·深度学习·神经网络·动手学深度学习
技术与健康6 小时前
LLM实践系列:利用LLM重构数据科学流程03- LLM驱动的数据探索与清洗
大数据·人工智能·重构
张小九997 小时前
Foldseek快速蛋白质结构比对
人工智能
云卓SKYDROID8 小时前
无人机延时模块技术难点解析
人工智能·无人机·高科技·云卓科技·延迟摄像
神齐的小马8 小时前
机器学习 [白板推导](十三)[条件随机场]
人工智能·机器学习
荼蘼8 小时前
CUDA安装,pytorch库安装
人工智能·pytorch·python
@Wufan9 小时前
【机器学习】7 Linear regression
人工智能·机器学习·线性回归
tainshuai9 小时前
从零开始理解 K 均值聚类:原理、实现与应用
机器学习·均值算法·聚类
cxr8289 小时前
自动化知识工作AI代理的工程与产品实现
运维·人工智能·自动化