【知识】解读 2016 年十大呆板学习算法及其应用

我从这个课程中学到了很多。并酌夺持续学习这一专业内容。

【知识】解读 2016 年十大呆板学习算法及其应用

我从这个课程中学到了很多,并酌夺持续学习这一专业内容。不久前,我在旧金山听了几个关于深度学习、神经网络、数据架构方面的技术演讲,蕴涵在一个机械学习大会上和很多领域知名专家一起。最危急的是,我六月份注册了udacity 的机械学习入门的在线课程,近期已经完毕了。这篇文章,我想分享一些我所学到的、最常见的机械学习算法。机械学习算法可以分为三个大类——有监督学习、无监督学习和强化学习。有监督学习,对训练有标签的数据有用,不外看待其他没有标签的数据,则必要预估。无监督学习,用于对无标签的数据集(数据没有预处理)的处理,必要发现其内在联系的时候。强化学习,介于两者之间,自然没有切确的标签没关系错误信息,不外看待每个可预测的步骤没关系行为,会有某种形式的反馈。由于我上的是入门课程,我并没有学习强化学习,不外下面10个有监督和无监督学习算法已经足以让你对机械学习爆发兴趣。监督学习决策树是一个决策支持工具,它用树形的图没关系模型表示决策及其没关系的后果,蕴涵随机事件的影响、资源消耗、以及用途。请看下图,随意感触一下决策树长这样的:

从商业角度看,决策树就是用最少的yes/no问题,尽没关系地做出一个精确的决策。它让我们原委一种结构化、系统化的方式处罚问题,得到一个有逻辑的结论。节约贝叶斯分类器是一类简单概率分类器,它基于把贝叶斯定理应用在特征之间联系的强独立性假设上。

    下图是贝叶斯公式——p(a|b)表示后验概率,p(b|a)表示似然度,p(a)表示类别的先验概率(class prior probability),p(b)表示做出预测的先验概率(predictor prior probability)。

现实生活中的应用例子:一封电子邮件是否是垃圾邮件一篇文章应该分到科技、政治,还是体育类一段文字表达的是积极的情绪还是没趣的情绪?人脸鉴别

倘使你学过统计学,你没关系听过线性回归。

    至少最小二乘是一种实行线性回归的方法。你可以感觉线性回归就是让一条直线用最恰当的姿势穿过一组点。有很多方法可以这样做,遍及最小二乘法就像这样——你可以画一条线,测量每个点到这条线的间隔,然后加起来。最好的线应该是所有间隔加起来最小的那根。线性法表示你去建模线性模型,而最小二乘法可以最小化该线性模型的误差。