简介
机器学习的定义: 对于某类任务 T 和性能度量 P, 一个计算机程序被认为可以从经验 E 中学习是指, 通过经验 E 改进后, 它在任务 T 上由性能度量 P 衡量的性能有所提升.
虽然吴恩达老师说过, 这个定义这么绕口是为了押韵, 我还是要解释一下: 任务 T 指常见的机器学习任务, 比如文本分类, 股票预测等; 性能度量 P 用来衡量模型的好坏, 通常为准确率或错误率; 经验 E 是给计算机的学习数据.
机器学习与深度学习, 人工智能
深度学习是从机器学习中的神经网络算法延申出来的, 主要表现在神经网络的层数多而复杂. 等机器学习的笔记更完之后, 我们再学习深度学习, 以及后面的强化学习.
学习路线
数学基础和 python 基础的笔记在主菜单的学习笔记中都有链接, 需要的可以自行学习.
零碎的知识点
深度学习能提取更多的特征, 更深层的特征
数据, 信息, 清洗后的数据, 知识, 有一点有用的东西, 智慧
监督学习, 带有标签的学习, 可以分类
无监督学习, 不带有标签, 聚类
半监督学习是无监督学习和监督学习相结合, 解决部分标签缺失问题
回归, 预测数据为连续型数值
分类, 预测数据是类别型数据, 类别已知
聚类, 预测数据是类别型数据, 类别未知?
来源: http://www.bubuko.com/infodetail-3193980.html