【人工智能】<吴恩达-机器学习>监督学习&非监督学习

简介: 【1月更文挑战第26天】【人工智能】<吴恩达-机器学习>监督学习&非监督学习

 目录

一、机器学习概述 - What is machine learning ?:

二、机器学习分类 - Machine learning algorithms:

1.监督学习 - Supervised learning:

2.无监督学习 - Unsupervised learning:

Cocktail party problem algorithm:


一、机器学习概述 - What is machine learning ?:

    • Machine learning: Field of study that gives computers the ability to learn without being explicitly programmed.
    • Machine learning: A computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measure by P, improves with experience E.

    image.gif编辑

    The correct answer is the first choice.


    二、机器学习分类 - Machine learning algorithms:

      • Supervised learning
      • Unsupervised learning
      • Others: Reinforcenment learning, Recommender systems

      1.监督学习 - Supervised learning:

      image.gif编辑

             Supervised learning, also known as supervised machine learning, is a subcategory of machine learning and artificial intelligence. It is defined by its use of labeled datasets to train algorithms that to classify data or predict outcomes accurately. As input data is fed into the model, it adjusts its weights until the model has been fitted appropriately, which occurs as part of the cross validation process. Supervised learning helps organizations solve for a variety of real-world problems at scale, such as classifying spam in a separate folder from your inbox.

      image.gif编辑

        • Supervised Learning: right answers given
        • Regerssion: Predict continuous valued output (price)

        image.gif编辑

          • Classification: Discrete valued output (0 or 1)

          image.gif编辑

          The corrcet answer is the third choice.

          2.无监督学习 - Unsupervised learning:

          image.gif编辑

                 Unsupervised learning is a type of machine learning in which the algorithm is not provided with any pre-assigned labels or scores for the training data. As a result, unsupervised learning algorithms must first self-discover any naturally occurring patterns in that training data set. Common examples include clustering, where the algorithm automatically groups its training examples into categories with similar features, and principal component analysis, where the algorithm finds ways to compress the training data set by identifying which features are most useful for discriminating between different training examples, and discarding the rest. This contrasts with supervised learning in which the training data include pre-assigned category labels (often by a human, or from the output of non-learning classification algorithm). Other intermediate levels in the supervision spectrum include reinforcement learning, where only numerical scores are available for each training example instead of detailed tags, and semi-supervised learning where only a portion of the training data have been tagged.

          image.gif编辑

          The correct answer is the second choice and the third choice.

          Cocktail party problem algorithm:

          ICA(独立成分分析)

          image.gif编辑

                 “鸡尾酒会问题”(cocktailparty problem)是在计算机语音识别领域的一个问题,当前语音识别技术已经可以以较高精度识别一个人所讲的话,但是当说话的人数为两人或者多人时,语音识别率就会极大的降低,这一难题被称为鸡尾酒会问题。

                 该问题描述的是给定混合信号,如何分离出鸡尾酒会中同时说话的每个人的独立信号。当有N个信号源时,通常假设观察信号也有N个(例如N个麦克风或者录音机)。该假设意味着混合矩阵是个方阵,即J = D,其中D是输入数据的维数,J是系统模型的维数。要分离出鸡尾酒会中同时说话的每个人的独立信号。

          相关文章
          |
          6月前
          |
          机器学习/深度学习 人工智能 算法
          【AAAI 2024】再创佳绩!阿里云人工智能平台PAI多篇论文入选
          阿里云人工智能平台PAI发表的多篇论文在AAAI-2024上正式亮相发表。AAAI是由国际人工智能促进协会主办的年会,是人工智能领域中历史最悠久、涵盖内容最广泛的国际顶级学术会议之一,也是中国计算机学会(CCF)推荐的A类国际学术会议。论文成果是阿里云与浙江大学、华南理工大学联合培养项目等共同研发,深耕以通用人工智能(AGI)为目标的一系列基础科学与工程问题,包括多模态理解模型、小样本类增量学习、深度表格学习和文档版面此次入选意味着阿里云人工智能平台PAI自研的深度学习算法达到了全球业界先进水平,获得了国际学者的认可,展现了阿里云人工智能技术创新在国际上的竞争力。
          |
          6月前
          |
          机器学习/深度学习 人工智能 运维
          【人工智能技术专题】「入门到精通系列教程」打好AI基础带你进军人工智能领域的全流程技术体系(机器学习知识导论)(二)
          【人工智能技术专题】「入门到精通系列教程」打好AI基础带你进军人工智能领域的全流程技术体系(机器学习知识导论)
          283 1
          |
          6月前
          |
          机器学习/深度学习 人工智能 自然语言处理
          【人工智能技术专题】「入门到精通系列教程」打好AI基础带你进军人工智能领域的全流程技术体系(机器学习知识导论)(一)
          【人工智能技术专题】「入门到精通系列教程」打好AI基础带你进军人工智能领域的全流程技术体系(机器学习知识导论)
          341 1
          |
          5月前
          |
          机器学习/深度学习 人工智能 自然语言处理
          算法金 | 吴恩达:机器学习的六个核心算法!
          吴恩达教授在《The Batch》周报中介绍了机器学习领域的六个基础算法:线性回归、逻辑回归、梯度下降、神经网络、决策树和k均值聚类。这些算法是现代AI的基石,涵盖了从简单的统计建模到复杂的深度学习。线性回归用于连续变量预测,逻辑回归用于二分类,梯度下降用于优化模型参数,神经网络处理非线性关系,决策树提供直观的分类规则,而k均值聚类则用于无监督学习中的数据分组。这些算法各有优缺点,广泛应用于经济学、金融、医学、市场营销等多个领域。通过不断学习和实践,我们可以更好地掌握这些工具,发掘智能的乐趣。
          110 1
          算法金 | 吴恩达:机器学习的六个核心算法!
          |
          6月前
          |
          机器学习/深度学习 人工智能 自然语言处理
          |
          6月前
          |
          人工智能 自然语言处理 数据处理
          【专栏】人工智能中监督学习在快速发展的科技时代中的重要性。其应用方向有哪些?
          【4月更文挑战第28天】本文探讨了监督学习在快速发展的科技时代中的重要性。作为人工智能的关键分支,监督学习通过已标记数据训练模型以进行预测和分类。文章阐述了其基本概念、训练过程和评估方法,并列举了图像识别、语音识别、自然语言处理、医疗和金融等领域中的应用案例。同时,指出了数据标注、模型复杂度、可解释性等问题及未来发展趋势,强调了监督学习的广阔前景和潜力。
          106 0
          |
          6月前
          |
          机器学习/深度学习 算法
          机器学习的魔法(二)超越预测的界限-揭秘机器学习的黑科技-探索监督学习中的回归和分类问题
          机器学习的魔法(二)超越预测的界限-揭秘机器学习的黑科技-探索监督学习中的回归和分类问题
          172 0
          |
          6月前
          |
          机器学习/深度学习 人工智能 算法
          机器学习的魔法(一)从零开始理解吴恩达的精炼笔记
          机器学习的魔法(一)从零开始理解吴恩达的精炼笔记
          |
          6月前
          |
          机器学习/深度学习 存储 搜索推荐
          利用机器学习算法改善电商推荐系统的效率
          电商行业日益竞争激烈,提升用户体验成为关键。本文将探讨如何利用机器学习算法优化电商推荐系统,通过分析用户行为数据和商品信息,实现个性化推荐,从而提高推荐效率和准确性。
          233 14
          |
          6月前
          |
          机器学习/深度学习 算法 搜索推荐
          Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)
          Machine Learning机器学习之决策树算法 Decision Tree(附Python代码)

          热门文章

          最新文章