关键词:
训练集(traning set/data):用来训练,产生模型的算法的数据集
测试集(testing set/data):用来训练,产生模型的算法的数据集):用来专门进行测试已经学习好的模型或者算法的数据集。
特征向量(feature/feature vector):属性集合,通常用一个向量来表示,附属于一个实例。
标记(label):实例类别的标记(用模型测试完数据后得到的结果)。
正例(position example)
反例(negative example)
分类(classification):目标标记为类别型数据(category)。
回归(regression):目标标记为连续性数值(continuous numeric value)。
判定算法优劣的标准:
准确率、速度、强壮性、可规模性、可解释性。
强壮性:当数据中某些关键值缺失的时候,这个算法是否可以表现的非常的好。
可规模性:当数据成指数级增长的时候,是否可以表现的很好。
可解释性:当在做归类的时候,是否可以看出归类后的数据和人为看到的数据相符合。
决策树/判定树(decision tree):
判定树是一个类似于流程图的树结构,其中,每个内部节点表示在一个属性上的测试,每个分支代表一个属性输出,而每个树叶节点代表类或类分布。树的最顶层是根节点。
信息熵(entropy):
一条信息的信息大小和它的不确定性有直接的关系,要搞清楚非常不确定的事情,需要大量的信息
ai-一些概念
...-AI、ML与DL的关系从涵盖范围上来讲,人工智能(AI)大于机器学习(ML)大于深度学习(DL)人工智能(AI):能够感知、推理、行动和适应的程序;机器学习(ML):能够随着数据量的增加不断改进性能的算法;深度学习(DL)... 查看详情
机器学习-第一周
机器学习-第一周这是机器学习的第一周课程,涉及到的内容较少,主要是认识一下什么是机器学习以及机器学习两个主要的分类:有监督学习和无监督学习。另外,通过一个最基础的线性回归模型来介绍机器学习中的一些相关... 查看详情
机器学习上的一些容易混淆的概念
监督学习中,如果预测的变量是离散的,我们称其为分类(如决策树,支持向量机等),如果预测的变量是连续的,我们称其为回归。 分类和回归的区别在于输出变量的类型。定量输出称为回归,或者说是连续变量... 查看详情
机器学习中的几个概念的关系
目前,机器学习主要由以下三条主线进行发展:graphLRsubgraph三代神经网络A[1线性分类器]==>B[2非线性分类器]B==SVM==>C[3深度学习]A1[感知器网络]-->BA1-.->A2A2[Logistic网络]-->BA2-.->PP[BP网络]-->BC1[SOM网络]-->BD1[玻耳兹曼机网... 查看详情
机器学习-1基本概念
一、训练集和测试集 训练集(trainingset/data)/训练样例(trainingexamples):用来进行训练,也就是产生模型或者算法的数据集。 测试集(testingset/data)/测试样例(testingexamples):用来专门进行测试已经学习好的模型或者算法的数据集... 查看详情
《机器学习》第二章概念学习和一般到特殊序
《机器学习》第二章概念学习和一般到特殊序2.1.简介布尔函数一般形式:F(b1,b2,...,bn),其中bi的定义域为{0,1},F的值域为{0,1}。在一般的定义域上的,取值在{0,1}中的函数也叫做布尔值函数概念学习定义中的布尔函数指定就这个... 查看详情
机器学习中的矩阵方法02:正交
机器学习中的矩阵方法02:正交 说明:MatrixMethodsinDataMiningandPatternRecognition读书笔记 1.正交的一些概念和性质在前一章的最小二乘的问题中,我们知道不恰当的基向量会出现条件数过大,系统防干扰能力差的现象,这实际... 查看详情
机器学习中的beamsearch是啥概念?
严格说来它属于机器学习范畴,是属于搜索一块的。Beamsearch是一种启发式搜索法,比深度或广度搜索性能要好很多。但是也有容量问题,它可以基于设备性能给予时间允许内的最优解。你可以参考一下图论的DAG图,里面的搜索... 查看详情
spark机器学习
Spark机器学习Pipelines中的主要概念MLlib 提供的API可以通过Pipelines将多个复杂的机器学习算法结合成单个pipeline或者单个工作流。这个概念和scikit-learn里的概念类似,根据官方的说法是,此抽象概念的设计灵感来自于scikit-learn。... 查看详情
计算机视觉+人工智能面试笔试总结——机器学习基础概念
目录1.深度学习和机器学习的关系2.机器学习中的Bias(偏差)、Error(误差& 查看详情
学习机器学习过程中的一些经验与方法
...智能发展的越来越迅猛,而说到人工智能必然要了解机器学习。 入门机器学习,我使用的资料主要是吴恩达老师的《机器学习》课程视频以及相对应的programmingexercise编程练习。学完之后,我觉得吴恩达老... 查看详情
机器学习:基本概念五大流派与九种常见算法
机器学习正在进步,我们正在不断接近创造人工智能的目标。语音识别、图像检测、机器翻译、风格迁移等技术已经在生活中开始得到了应用,但机器学习的发展仍还在继续,有人认为这场变革有可能会彻底改变人类文明的发展... 查看详情
[机器学习]ml重要概念:梯度(gradient)与梯度下降法(gradientdescent)
引言 机器学习栏目记录我在学习MachineLearning过程的一些心得笔记,涵盖线性回归、逻辑回归、Softmax回归、神经网络和SVM等等,主要学习资料来自网上的免费课程和一些经典书籍,免费课程例如StandfordAndrewNg老师在Cou... 查看详情
机器学习算法(代码片段)
机器学习常用算法一、线性回归1.基本概念2.代码实现二、逻辑回归1.基本概念Sigmoid预测函数2.代码实现三决策树1.基本概念2.代码实现四支持向量机(SVM)1.基本概念2.代码实现五全连接神经网络DNN1.基本概念全连接神经网... 查看详情
1.0机器学习概念介绍
机器学习的基本概念数据数据集数据的整体叫做数据集 (dataset)样本每一行数据被称为一个样本 (sample)标记 最后一列,称为标记 (label)特征表中的每个列都是一个特征,用特征向量来表示一个特征值... 查看详情
day-6机器学习概念及应用
学习玩Python基础语法,今天开始进行机器学习,首先了解下机器学习和深度学习的一些基本概念和术语: 1、 机器学习概念及应用 2、 深度学习概念及应用 3、 机器学习基本术语及举... 查看详情
统计学习方法--机器学习概论
...考李航老师的《统计学习方法》,其次是周志华老师的《机器学习》。通过自己的阅读,提炼出书中的知识点以及些许自己部分的理解(可能不到位),巩固所学知识。)统计学习方法概论本章简要叙述统计学习方法的一些基本概... 查看详情
吐血整理:机器学习的30个基本概念,都在这里了(手绘图解)
导读:本文主要介绍机器学习基础知识,包括名词解释(约30个)、基础模型的算法原理及具体的建模过程。作者:梅子行、毛鑫宇来源:大数据DT(ID:hzdashuju)01 空间表征在学习深奥的机器学习理论之前,首先来介绍一些... 查看详情