初识机器学习

标签：===   --   降维   学习分类   定义   drop   nbsp   梯度   预测   

机器学习的定义：

让机器代替人，实现人的工作。

现有的机器学习分类：

（1）监督学习       ===> 分类问题

（2）半监督学习   ===> 聚类问题

（3）非监督学习   ===> 聚类问题

（4）强化学习      ===> 降维

归纳：

主要可分为：分类、回归/预测、聚类和维度下降。

机器学习“六步走”：

a.收集数据；　　b.准备数据　　c.选择/建立模型　　d.训练模型　　e.测试模型　　f.调节参数

机器学习“关键三步”：

1.找一系列函数实现预期：建模问题；

2.找一组合理的评价标准，来评估函数：评估函数；

3.找到性能最佳函数：优化问题（例如：梯度下降法。。。）

“过拟合”处理：

1.降低数据量；

2.正则化（L1，L2）；

3.DropOut [丢弃] --> 针对深度学习的隐藏层。

初识机器学习

标签：===   --   降维   学习分类   定义   drop   nbsp   梯度   预测   

原文地址：https://www.cnblogs.com/xyqiu90-365/p/9700387.html