Недавно я начал изучать классический учебник по машинному обучению — Арбузную книгу , для удобства дальнейшего просмотра я запишу его сюда.
что такое машинное обучение
С помощью вычислительных средств используйте опыт для повышения производительности системы.
Содержание исследования машинного обучения заключается в том, как сгенерировать алгоритм модели из данных на компьютере, то есть «алгоритм обучения».
Отдел задач машинного обучения
По тому, имеют ли обучающие выборки метки, их можно разделить на:
- контролируемое обучение
- Классификация: прогнозирование дискретных значений, таких как задачи бинарной классификации.
- Регрессия: прогнозирование непрерывных значений
- неконтролируемое обучение
- Кластеризация: обучающие выборки не имеют информации о метках и автоматически классифицируются на основе понимания внутренних законов данных, часто используемых при анализе данных.
Оценочные вопросы об эффектах обучения
Частота ошибок , точность , ошибка и т. д. — это показатели, используемые для оценки эффекта обучения.
На практике желательно, чтобы учащийся хорошо работал на новых образцах, а основным препятствием является переобучение .
Существующий набор данных DDD методы получения обучающего и тестового наборов:
- Метод набора : разделите набор данных на обучающий набор и тестовый набор в соответствии с пропорцией
- Метод перекрестной проверки : разделить набор данных на kkk копий и выполнитьkkK раз обучения и тестирования, каждый раз резервируется одна копия в качестве тестового набора, и, наконец, возвращаетсяkkСреднее значение k тестов.
- Начальная загрузка : для набора данных DDD повторите образец,ммm раз, получитьD'D'Д′ ,Д ′ Д'Д’ как тренировочный набор, а остальные как тренировочный набор.