机器学习几点总结
1、机器学习最早时（1950 ~ 1960s） 执行纯粹的逻辑推理，主要用来证明数学定理。
2、机器学习三部分：表示，评价，优化。
3、表示：建立数据与问题的抽象模型。
4、评价：使用目标函数进行模型评价。
5、优化：求解目标函数在该模型下的最优解。
6、目标函数：如错误率，最小均方误差，最大后验概率等。
机器学习几点总结
2023-01-06
70
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
机器学习几点总结
目录
相关文章
|
2月前
|
机器学习/深度学习
人工智能
算法
揭开深度学习与传统机器学习的神秘面纱：从理论差异到实战代码详解两者间的选择与应用策略全面解析
【10月更文挑战第10天】本文探讨了深度学习与传统机器学习的区别，通过图像识别和语音处理等领域的应用案例，展示了深度学习在自动特征学习和处理大规模数据方面的优势。文中还提供了一个Python代码示例，使用TensorFlow构建多层感知器（MLP）并与Scikit-learn中的逻辑回归模型进行对比，进一步说明了两者的不同特点。
71
2
2
|
6月前
|
机器学习/深度学习
数据采集
算法
机器学习入门：算法与数据的探索之旅
【6月更文挑战第13天】本文介绍了机器学习的基础，包括算法和数据处理的重要性。机器学习算法分为监督学习（如线性回归、决策树）、非监督学习（如聚类、降维）和强化学习。数据处理涉及数据清洗、特征工程、数据分割及标准化，是保证模型性能的关键。对于初学者，建议学习基础数学、动手实践、阅读经典资料和参与在线课程与社区讨论。
72
4
4
|
机器学习/深度学习
|
机器学习/深度学习
算法
数据可视化
|
机器学习/深度学习
人工智能
自然语言处理
机器学习都能做些什么呢
回归问题通常用来预测一个值，其标签的值是连续的。例如，预测房价、未来的天气等任何连续性的走势、数值。比较常见的回归算法是线性回归（linear regression）算法以及深度学习中的神经网络等。
分类问题是将事物标记一个类别标签，结果为离散值，也就是类别中的一个选项，例如，判断一幅图片上的动物是一只猫还是一只狗。分类有二元分类和多元分类，每类的最终正确结果只有一个。分类是机器学习的经典应用领域，很多种机器学习算法都可以用于分类，包括最基础的逻辑回归算法、经典的决策树算法，以及深度学习中的神经网络等。还有从多元分类上衍生出来的多标签分类问题，典型应用如社交网站中上传照片时的自动标注人名功能，
155
0
0
|
机器学习/深度学习
人工智能
算法
|
机器学习/深度学习
人工智能
算法
|
机器学习/深度学习
算法
数据挖掘
|
机器学习/深度学习
|
机器学习/深度学习
人工智能
算法
Interview：机器学习算法工程师求职九大必备技能之【数学基础、工程能力、特征工程、模型评估、优化算法、机器学习基本概念、经典机器学习模型、深度学习模型、业务与应用】(建议收藏，持续更新)
Interview：机器学习算法工程师求职九大必备技能之【数学基础、工程能力、特征工程、模型评估、优化算法、机器学习基本概念、经典机器学习模型、深度学习模型、业务与应用】(建议收藏，持续更新)
281
0
0
