【机器学习】概述

文章目录

    • [1. 机器学习三步骤](#1. 机器学习三步骤)
    • [2. 机器学习图谱](#2. 机器学习图谱)
      • [2.1 任务类型 (Task)](#2.1 任务类型 (Task))
      • [2.2 模型选择 (Methods)](#2.2 模型选择 (Methods))
      • [2.3 学习场景 (Scenario)](#2.3 学习场景 (Scenario))

1. 机器学习三步骤

  1. 定义一个模型 (Define a set of function)

    • 选择一组合适的函数来表示模型。
  2. 评估模型好坏 (Goodness of function)

    • 找到一个损失函数,用来评价模型的性能。
  3. 选择最佳函数 (Pick the best function)

    • 在模型中选择一个最终的函数,优化其性能。

2. 机器学习图谱

2.1 任务类型 (Task)

  • 回归问题 (Regression)

    • 输出为数值,是对连续变量的预测。
  • 分类问题 (Classification)

    • 输出为类别,是对离散变量的预测。
  • 结构化问题 (Structured Prediction)

    • 机器输出的是具有结构性的结果,如语音识别、机器翻译、人脸识别等。

2.2 模型选择 (Methods)

  • 线性模型 (Linear Models)

  • 非线性模型 (Non-linear Models)

    • DNN / CNN (深度神经网络/卷积神经网络)
    • SVM (支持向量机)
    • 决策树 (Decision Trees)
    • K-NN (K近邻)
  • 同样的问题可以使用不同的模型进行解决。


2.3 学习场景 (Scenario)

  • 监督学习 (Supervised Learning)

    • 数据是有标注的,每个样本都对应一个标签。
  • 半监督学习 (Semi-supervised Learning)

    • 数据是部分有标注 和部分无标注的。
  • 无监督学习 (Unsupervised Learning)

    • 数据是无标注的,主要关注特征提取而非标签,如聚类、降维等。
  • 迁移学习 (Transfer Learning)

    • 数据来自不同的类别,有时有标注有时无标注,通过迁移知识进行学习。
  • 强化学习 (Reinforcement Learning)

    • 机器通过与环境交互获得反馈(奖励/惩罚),如AlphaGo,并基于这些反馈调整策略。

相关推荐
风铃喵游37 分钟前
让大模型调用MCP服务变得超级简单
前端·人工智能
booooooty1 小时前
基于Spring AI Alibaba的多智能体RAG应用
java·人工智能·spring·多智能体·rag·spring ai·ai alibaba
PyAIExplorer1 小时前
基于 OpenCV 的图像 ROI 切割实现
人工智能·opencv·计算机视觉
风口猪炒股指标1 小时前
技术分析、超短线打板模式与情绪周期理论,在市场共识的形成、分歧、瓦解过程中缘起性空的理解
人工智能·博弈论·群体博弈·人生哲学·自我引导觉醒
ai_xiaogui2 小时前
一键部署AI工具!用AIStarter快速安装ComfyUI与Stable Diffusion
人工智能·stable diffusion·部署ai工具·ai应用市场教程·sd快速部署·comfyui一键安装
聚客AI3 小时前
Embedding进化论:从Word2Vec到OpenAI三代模型技术跃迁
人工智能·llm·掘金·日新计划
weixin_387545643 小时前
深入解析 AI Gateway:新一代智能流量控制中枢
人工智能·gateway
聽雨2373 小时前
03每日简报20250705
人工智能·社交电子·娱乐·传媒·媒体
二川bro4 小时前
飞算智造JavaAI:智能编程革命——AI重构Java开发新范式
java·人工智能·重构
acstdm4 小时前
DAY 48 CBAM注意力
人工智能·深度学习·机器学习