【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
白-胖-子26 分钟前
深入剖析大模型在文本生成式 AI 产品架构中的核心地位
人工智能·架构
想要成为计算机高手2 小时前
11. isaacsim4.2教程-Transform 树与Odometry
人工智能·机器人·自动驾驶·ros·rviz·isaac sim·仿真环境
NeoFii2 小时前
Day 22: 复习
机器学习
静心问道2 小时前
InstructBLIP:通过指令微调迈向通用视觉-语言模型
人工智能·多模态·ai技术应用
宇称不守恒4.03 小时前
2025暑期—06神经网络-常见网络2
网络·人工智能·神经网络
小楓12013 小时前
醫護行業在未來會被AI淘汰嗎?
人工智能·醫療·護理·職業
数据与人工智能律师3 小时前
数字迷雾中的安全锚点:解码匿名化与假名化的法律边界与商业价值
大数据·网络·人工智能·云计算·区块链
chenchihwen3 小时前
大模型应用班-第2课 DeepSeek使用与提示词工程课程重点 学习ollama 安装 用deepseek-r1:1.5b 分析PDF 内容
人工智能·学习
说私域4 小时前
公域流量向私域流量转化策略研究——基于开源AI智能客服、AI智能名片与S2B2C商城小程序的融合应用
人工智能·小程序
Java樱木4 小时前
AI 编程工具 Trae 重要的升级。。。
人工智能