莫烦Python之机器学习概念了解

Posted hjhj

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了莫烦Python之机器学习概念了解相关的知识,希望对你有一定的参考价值。

1、机器学习分类

  • 有监督学习
  • 无监督学习
  • 半监督学习
  • 强化学习
  • 遗传算法

2、神经网络

  • 一种基于传统统计学的模型,由大量的神经元与其关系构成。常用来对复杂的输入和输出关系进行建模
  • 误差反向传递:给出信号,得到经过神经网络算法之后的结果(信号正向传播),再根据结果来修改神经网络中的神经元强度(信号反向传播)
  • 通过正向和反向传播来更新神经元,从而形成更好的神经系统
  • 每一个神经元都有属于它的激活函数,在训练过程中可以通过调整不同神经元的激活参数来调整模型
  • 输入层:负责信息的传入

    输出层:权衡、中转、输出信息

    隐藏层:负责传入信息的加工处理

  • ?????但是最重要的还是不知道啊,比如输入层的信息具体怎么处理,隐藏层怎么加工,输出层又是怎么回事????具体是怎么实现完全不知啊

3、卷积神经网络(CNN)

  • 应用:图片识别、视频分析、自然语言处理
  • 数据输入层,卷积计算层,RELU激励层,池化层,全连接层(从这个博客看来的)

  • 有一个批量过滤器,持续在图片上滚动搜集图片信息,每次只是一小块信息,整理后得到边缘信息;然后批量过滤器扫过边缘的信息,神经网络总结出更高层的信息;再一次过滤后总结出脸部信息;再把这些信息放入普通的全连接神经网络进行分类
  • 问题依旧是具体实现,怎么搜集信息,怎么整理,上面的那个博客讲的很详细。

4、循环神经网络(RNN)

  • 应用:语言分析,序列化数据的处理
  • 为了让神经网络在有序数据集中学习,产生对当前发生事情的意义,也就是产生“上文联系”
  • x1数据下产生状态s1以及结果y1,在x2数据下产生状态s2,结果y2由状态s1和s2共同创造

 5、LSTM RNN

  • LSTM:long short memery,长短期记忆
  • 为了解决普通RNN的弊端(在误差反向传递的时候,每循环一次都会乘以当前状态的权重w,如果w>1,那么返回的误差就会很大,可能会发生梯度爆炸;而w<1,返回的误差就会很小,可能发生梯度消失)
  • 普通RNN没有办法回忆起久远记忆(刚开始数据集产生的记忆)
  • 与普通RNN的区别,增加了输入、输出、忘记,有主线记忆单元,当后面的数据与前面冲突时,按比例更改“主线内容”;如果与“主线”数据相关,则添加进“主线”
  • 技术图片

以上是关于莫烦Python之机器学习概念了解的主要内容,如果未能解决你的问题,请参考以下文章

莫烦python的视频源

AI人工智能 机器学习 深度学习 学习路径及推荐书籍

day-6 机器学习概念及应用

机器学习算法之KNN最近邻详解和python实现

学习《Python机器学习(第2版)》中文PDF+英文PDF+代码分析+Sebastian

离线轻量级大数据平台Spark之MLib机器学习库概念学习