机器学习是能够从数据中学习的算法(通过经验E改进后,在任务T上由性能度量P衡量的性能会有所提升)
1.数据集(dataset)
训练集(training set):用来进行训练,也就是产生模型或算法的数据集
测试集(testing set):用来专门进行测试已经学习好的模型或算法的数据集
验证集(validation set):用来调整超参数的数据集(学习率、迭代次数、batch size等)
我们处理的样本(example)是经过处理的已经量化的特征(feature)的集合
特征向量:属性的集合,通常用一个向量表示
例:[x1,x2,x3,x4] 为一个特征向量,其中 xi 为下标 i 对应的特征的值
而 [x11,x12,x13,x14] 则是由一个mini-batch 中的数据的特征向量组成的矩阵
[x21,x22,x23,x24]
[x31,x32,x33,x34]
2.任务类型
(1)分类:指定某些输入属于k类中的哪一类
(2)回归:给定输入预测数值
……..
3.算法类别
无监督学习:训练具有特征的数据集,通过学习得到数据集上有用的结构特性(样本无标签 label)
监督学习:同上,但是样本有标签 label
半监督学习:综合以上两种,有标签+无标签
4.步骤框架
准备数据集 -> 构建模型 -> 训练模型 -> 评估模型
原文地址:http://www.cnblogs.com/kotorin/p/16804709.html
1. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长!
2. 分享目的仅供大家学习和交流,请务用于商业用途!
3. 如果你也有好源码或者教程,可以到用户中心发布,分享有积分奖励和额外收入!
4. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
5. 如有链接无法下载、失效或广告,请联系管理员处理!
6. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需!
7. 如遇到加密压缩包,默认解压密码为"gltf",如遇到无法解压的请联系管理员!
8. 因为资源和程序源码均为可复制品,所以不支持任何理由的退款兑现,请斟酌后支付下载
声明:如果标题没有注明"已测试"或者"测试可用"等字样的资源源码均未经过站长测试.特别注意没有标注的源码不保证任何可用性