当前位置:首页 > 开发 > 互联网 > 正文

机器学习 一 基本概念

发表于: 2013-06-26   作者:blackproof   来源:转载   浏览次数:
摘要: 机器学习基本概念:(定义) 1.机器学习:从数据中寻找有价值的模式(操作)           通过学习表现更好的行为(操作)   2.属性列表法:属性的组合,对应结果   3.决策列 decision list : 属性组合对应结果明确结果(可以减少决策判断次数,如下雨yes,玩no。之后的条件就无需判断),有上下

机器学习基本概念:(定义)

1.机器学习:从数据中寻找有价值的模式(操作)

          通过学习表现更好的行为(操作)

 

2.属性列表法:属性的组合,对应结果

 

3.决策列 decision list : 属性组合对应结果明确结果(可以减少决策判断次数,如下雨yes,玩no。之后的条件就无需判断),有上下文。

 

4.决策树法:指出做出的决策顺序,和建议

            节点为决策状态,边为决策路径

 

4.1决策状态:属性(如 湿度)

 

4.2决策路径:属性的所有可能性(下雨,不下雨)

 

4.3决策的结果:1.分类规则classification rule,

                       2.关联规则association rule

 

5.机器学习和统计学:机器学习关注划出一个概括的过程,统计学关注测试假说

机器学习 一 基本概念

  • 0

    开心

    开心

  • 0

    板砖

    板砖

  • 0

    感动

    感动

  • 0

    有用

    有用

  • 0

    疑问

    疑问

  • 0

    难过

    难过

  • 0

    无聊

    无聊

  • 0

    震惊

    震惊

编辑推荐
一.学习 1. 定义:如果一个计算机程序针对某类任务T的用户P衡量的性能根据经验E来自我完善。那么我
在解释机器学习的基本概念的时候,我发现自己总是回到有限的几幅图中。以下是我认为最有启发性的条
详细要学习的书籍就是《机器学习实战》Machine Learning in Action,Peter Harrington Windows下要
Here is a nicely complied list of machine learning algorithm cheat sheets. Flowcharts are pro
传统上如果我们想让计算机工作,我们给它一串指令,然后它遵照这个指令一步步执行下去。有因有果,
场景,顾名思义就是我们在游戏中所看到的物品、建筑、人物、背景、声音、特效等,基本上和我们玩游
本笔记主要记录学习《机器学习》的总结体会。如有理解不到位的地方,欢迎大家指出,我会努力改正。
本系列文章用于汇集知识点,查漏补缺,面试找工作之用。数学公式较多,解释较少。 1.假设 2.sigmoid
1 定义 2 直观解释 信息熵用来衡量信息量的大小 若不确定性越大,则信息量越大,熵越大 若不确定性
最近算是一段空闲期,不想荒废,记得之前有收藏一个机器学习的链接Andrew Ng的网易公开课,其中的ov
版权所有 IT知识库 CopyRight © 2009-2015 IT知识库 IT610.com , All Rights Reserved. 京ICP备09083238号