机器学习入门 - 基本概念

Posted yuzhengzhong

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了机器学习入门 - 基本概念相关的知识,希望对你有一定的参考价值。

1、机器学习分为监督学习和非监督学习。首先学习监督学习。

2、标签,即y值,结果,以通过机器学习过滤垃圾邮件为例,标签为邮件是垃圾邮件,或不是垃圾邮件

3、特征,即x值,输入变量,通常有多个特征,如根据发件人、邮件标题等特征来判断是否为垃圾邮件

4、样本,机器学习通过有标签样本训练模型,再通过模型对无标签样本做出预测

5、两种模型:回归模型,预测连续值,如房价,股价;分类模型,预测离散值,如垃圾邮件或非垃圾邮件,猫照片或狗照片

 

技术分享图片

我们从简单的模型开始学习,如上图,一个线性代数模型,可以用y=wx+b来表示这个模型。w为斜率,也叫权重,b为y轴截距,也叫偏差。

机器学习本质 - 训练模型表示通过有标签样本来学习(确定)所有权重和偏差的理想值。即求w和b的值,使得误差最小。

以上是关于机器学习入门 - 基本概念的主要内容,如果未能解决你的问题,请参考以下文章

从零入门机器学习之基础概念讲解:深入浅出讲解计算机基本概念

超级简单的机器学习入门

Tensorflow学习笔记:MNIST机器学习入门

机器学习机器学习入门02 - 数据拆分与测试&算法评价与调整

机器学习之学习路径学习方法常用工具PythonNumpypandassklearnTensorflowPytorchGit入门教学大纲

机器学习机器学习入门08 - 聚类与聚类算法K-Means