【人工智能】机器学习概述(二)

简介: 【1月更文挑战第26天】【人工智能】机器学习概述(二)

 

image.gif编辑

目录

一、机器学习概述:

1.机器学习定义:

2.机器学习分类:

3.机器学习流程:

二、没有免费午餐定理(No Free Lunch Theorem):


一、机器学习概述:

1.机器学习定义:

Machin Learning(机器学习)

image.gif编辑

    • 显著式编程:计算机完成既定的任务
    • 非显著式编程:让计算机自己总结规律的编程方法

    image.gif编辑

    image.gif编辑

           机器学习是一门能够让编程计算机从数据中学习的计算机科学。

    2.机器学习分类:

      • 监督学习(Traditional Supervised Learning):

             每一个训练的数据都有标签,用已知输出评估模型的性能。

            分类(Classification):标签是离散型数据;回归(Regression):标签是连续型数据

             支持向量机(Support Vector Machin);人工神经网络(Neural Networks);深度神经网络(Deep Neural Network)

        • 无监督学习(Unsupervised Learning):

               每一个训练数据都没有标签,在没有已知输出的情况下,仅仅根据输入信息的相关性,进行类别的划分。

          • 半监督学习(Semi-supervised Learning):

                 先通过无监督学习划分类别,再根据人工标记通过有监督学习预测输出。

          image.gif编辑

            • 强化学习(Reinforcement Learning):

                   计算机通过与环境的互动逐渐强化自己的行为模式。

                   通过对不同决策结果的奖励和惩罚,使机器学习系统在经过足够长时间的训练以后,越来越倾向于给出接近期望结果的输出。

              • 批量学习:

                     将学习的过程和应用的过程截然分开,用全部的训练数据训练模型,然后再将应用场景中实现预测,当预测结果不够理想时,重新回到学习过程,如此循环。

                • 增量学习:

                       将学习的过程和应用的过程统一起来,在应用的同时以增量的方式,不断学习新的内容,边训练边预测。

                3.机器学习流程:

                  1. 特征提取(Feature Extraction):通过训练样本获取得到对机器学习任务有帮助的多维度数据。
                  2. 特征选择(Feature Selection)
                  3. 特征空间(Feature Space)

                  二、没有免费午餐定理(No Free Lunch Theorem):

                         任何一个预测函数,如果在一些训练样本上表现好,那么必然在另一些训练样本上表现不好,如果不对数据在特征空间的先验分布有一定假设,那么表现好与表现不好的情况一样多。

                         如果不对特征空间的先验分布有假设,那么所有的算法表现都是一样的!

                  image.gif编辑

                         在设计机器学习算法时假设:在特征空间上距离接近的样本,他们属于同一个类别的概率会更高!


                  相关文章
                  |
                  1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。
                  |
                  1月前
                  |
                  机器学习/深度学习 人工智能 自然语言处理
                  人工智能与机器学习:开启智能新时代的密钥
                  人工智能与机器学习:开启智能新时代的密钥
                  23 0
                  |
                  15天前
                  |
                  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)
                  47 1
                  |
                  15天前
                  |
                  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)
                  53 1
                  |
                  1天前
                  |
                  机器学习/深度学习 人工智能 自然语言处理
                  |
                  28天前
                  |
                  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。
                  |
                  10天前
                  |
                  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)
                  |
                  1月前
                  |
                  机器学习/深度学习 算法 数据可视化
                  实现机器学习算法时,特征选择是非常重要的一步,你有哪些推荐的方法?
                  实现机器学习算法时,特征选择是非常重要的一步,你有哪些推荐的方法?
                  26 1
                  |
                  30天前
                  |
                  机器学习/深度学习 数据采集 算法
                  解码癌症预测的密码:可解释性机器学习算法SHAP揭示XGBoost模型的预测机制
                  解码癌症预测的密码:可解释性机器学习算法SHAP揭示XGBoost模型的预测机制
                  81 0
                  |
                  30天前
                  |
                  机器学习/深度学习 数据采集 监控
                  机器学习-特征选择:如何使用递归特征消除算法自动筛选出最优特征?
                  机器学习-特征选择:如何使用递归特征消除算法自动筛选出最优特征?
                  53 0