[Машинное обучение] Арбузные заметки по изучению книги (1)

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 $D$ методы получения обучающего и тестового наборов:

1. Метод набора : разделите набор данных на обучающий набор и тестовый набор в соответствии с пропорцией
2. Метод перекрестной проверки : разделить набор данных на $k$ копий и выполнить$K$ раз обучения и тестирования, каждый раз резервируется одна копия в качестве тестового набора, и, наконец, возвращается$Среднее\; значение\; k$ тестов.
3. Начальная загрузка : для набора данных $D$ повторите образец,$m$ раз, получить${Д}^{\prime }$ ,${Д}^{’}$ как тренировочный набор, а остальные как тренировочный набор.