網路 演算法 機器
優化 概率 統計
資料 矩陣 資訊
模型 推理
知識靠學習
機器學習是把資料變成知識的和過程。計算機和數學的結合。
統計提供建模的框架framework。
資料探勘和機器學習本質上無區別，機器學習更偏數學。
區別：ml機器學習
stat統計學
networks,graphs網路，圖形
models建模
weights權重
paramelevs引數
learing學習
fitting or estimation模型擬合和引數估計
generalization模型的泛化能力
test set測試模型效能
superised learing監督學習
regession回歸/classification分類
unsuperised learing無監督學習
densify estimation密度估計,clustery聚類
基礎階段work
程式可以執行，編譯，作業系統，數學
中間階段make
資料結構和演算法
最後階段useful
概率與統計
基礎架構
編碼能力
數學能力
定義：把計算機和統計連線起來的橋梁，把資訊理論，訊號處理，演算法，控制論和優化緊密連線起來。
sml=矩陣+優化+演算法+統計
statistic=matrix+optimization+algortion+statictics
降維dimension reducing
xi是p維，zi是q維，p>q。
-----------$ xi\forall i in\mathbb r$
a. 線性降維：zqx1=aqxpxpx1
要求a為滿秩或者為列正交（a[t]a=i）
b. 非線性降維：z:f(x)
聚類clustering（類別未知）
k-class k均值聚類。
以上兩種屬於無監督學習。分類classification（類別已知）
針對輸出為離散型資料
根據已有的資料訓練乙個模型，估計引數。
回歸regression
針對輸出為實數資料型別y 屬於 r實數
排序ranking
isotonic regression
把模型的引數作為未知常數去測試評估和擬合。
最小二乘法，最大似然估計，
貝葉斯分布
先驗概率，後驗概率。
機器學習01 初識機器學習
4.基本步驟 5.基本術語 6.參考 機器學習 machine learning 是一門人工智慧的學科，它模擬人類的學習行為，從已有的資料中習得經驗，再利用這些經驗對未知的資料進行 或判斷，以此來改善計算機演算法的效能。與傳統程式設計和演算法相比 傳統程式設計由程式設計師給演算法指定規則，機器學習由...
機器學習筆記01 機器學習簡介
機器學習是人工智慧的乙個分支，它業是一類演算法的總稱。這些演算法能夠根據提供的訓練資料按照一定的方式來學習，最終用於 或者分類。更具體的說，機器學習可以看作是尋找乙個函式，輸入是樣本資料，輸出是期望的結果，只是這個函式過於複雜，以至於不太方便形式化表達。需要注意的是，機器學習的目標是使學到的函式很好...
機器學習筆記 01
本csdn部落格學習筆記對應為機器學習西瓜書教材，一切內容以西瓜書教材為準 新學期的學習依舊，這次發表在csdn部落格上的是西瓜書版機器學習教材的學習心得和筆記的主要內容，可能不是很詳盡，但保證是本人理解與提煉的結果。1.1引言 機器學習 通過計算的手段，利用經驗改善系統的效能 一般流程 資料 學習...