一、基本分類及定義
機器學習分為：監督學習，無監督學習，強化學習
監督學習是指：利用一組已知類別的樣本調整分類器的引數，使其達到所要求效能的過程，也稱為監督訓練或有教師學習。
監督學習是從標記的訓練資料來推斷乙個功能的機器學習任務。訓練資料報括一套訓練示例。在監督學習中，每個例項都是由乙個輸入物件（通常為向量）和乙個期望的輸出值（也稱為監督訊號）組成。監督學習演算法是分析該訓練資料，並產生乙個推斷的功能，其可以用於對映出新的例項。乙個最佳的方案將允許該演算法來正確地決定那些看不見的例項的類標籤。這就要求學習演算法是在一種「合理」的方式從一種從訓練資料到看不見的情況下形成。
無監督學習，即沒有標註的訓練資料集，需要根據樣本間的統計規律對樣本集進行分析，常見任務如聚類等
常用的無監督學習演算法主要有三種：聚類、離散點檢測和降維，包括主成分分析方法pca等，等距對映方法、區域性線性嵌入方法、拉普拉斯特徵對映方法、黑塞區域性線性嵌入方法和區域性切空間排列方法等。
強化學習，又稱再勵學習、評價學習或增強學習，是機器學習的正規化和方**之一，用於描述和解決智慧型體（agent）在與環境的互動過程中通過學習策略以達成回報最大化或實現特定目標的問題。
機器學習 調參 Part1
3.2 隨機搜尋 3.3 貝葉斯調參 4 參考 調參即對模型的引數進行相應的調整，以期獲得更好的 效果！其中引數又分為 模型引數和模型超引數。即 調參調參，無非就是將模型的超引數調整到最佳的引數，使得模型 的效果最好。總的來說，調參方式有下面三種 3.1.1 原理 優點 缺點 3.1.2 pytho...
機器學習 part1 機器學習第一課
學習筆記，僅供參考，有錯必糾 從今天重新學習機器學習這門課程，鼓掌！好了，我要開始膜拜阿z老師了！機器學習第一課 讓計算機像人一樣地學習，或讓模型演算法更聰明更智慧型。機器學習要學習的內容非常多，比如微積分 線性代數 概率論與數理統計 統計學等數學基礎 監督學習 無監督學習 整合學習 深度學習等常用...
部落格推薦 Part 1
部落格推薦 part 1 博起 了一年多了，寫過一百多篇博文，看過的博文更是不計其數。剛剛看到乙個部落格的文章，實在把我笑到不行。然後就想推薦給大家。繼而就心血來潮，想把自己喜歡的一些部落格陸續的推薦給大家。也許，你也會喜歡呢？說明 仙仙，本名張仙！是湖南的一位autoware兄弟，跟我一起混跡內蒙...