机器学习分类

标签：决策   sha   str   识别   图像处理   平移   权重   机制   设计   

1. Supervised Learning 监督学习：通过已标注的数据，来判断已有的数据

2. Unsupervised Learning 无监督学习：通过判断的数据的关键特征，来自动分类

应用：

图像分析

计算机视觉

语言分析

生物监测

机器控制

经验科学

智能健康

过程：

建模，训练数据集，提取关键特征

方法：

SVM  支持向量机

Neural networks 神经网络

Naive Bayes 朴素贝叶斯

Bayesian network 贝叶斯网络

Loginstic regression loginstic回归

Randomized Forests 随机森林

Boosted Decision Trees 提高决策树

K-nearest neighbor k-近邻

RBMs 限制波尔兹机

Clustering 聚类方法：

泛化：

需要解决过拟合问题，反向问题

卷积神经网络：

最初是受视觉神经机制的启发而设计的，为了识别二维形状而设计的多层感知器。

对平移、比例缩放、倾斜或者其他形式的变形具有高度的不变性。

特点：非全连接（Sparse Connection），权重是共享（Shared Weights）

应用：语音、图像处理

机器学习分类

标签：决策   sha   str   识别   图像处理   平移   权重   机制   设计   

原文地址：http://www.cnblogs.com/bincoding/p/7726033.html