含義：
資料集中的樣本帶有標籤,有明確目標
回歸模型:線性回歸、嶺回歸、lasso和回歸樣條等
分類模型:邏輯回歸、k近鄰、決策樹、支援向量機等
垃圾郵件分類、病理切片分類、客戶流失預警、客戶風險評估、房價**等。
資料集中的樣本沒有標籤,沒有明確目標
無監督學習:根據資料本身的分布特點,挖掘反映資料的內在特性
將資料集中相似的樣本進行分組,使得:
基因表達水平聚類:根據不同基因表達的時序特徵進行聚類,得到基因表達處於訊號通路
上游還是下游的資訊
籃球運動員劃分:根據球員相關資料,將其劃分到不同型別(或者不同等級)的運動員陣
營中客戶分析:把客戶細分成不同客戶群,每個客戶群有相似行為,做到精準營銷
智慧型決策的過程,通過過程模擬和觀察來不斷學習、提高決策能力
例如: alphago
資料也是有數學結構的,沒有數學結構我們便無法處理資料。
表示資料之間的距離。
有些資料本身就有網路結構,如社交網路。如果沒有,可以利用度量結構給資料附加乙個網路結構。
計算所用的演算法如下：
將資料看作向量、矩陣或更高階的張量。
流形、對稱性等
回歸模型:線性回歸、嶺回歸、lasso和回歸樣條等
分類模型:邏輯回歸、k近鄰、決策樹、支援向量機等
垃圾郵件分類、病理切片分類、客戶流失預警、客戶風險評估、房價**等。
資料集中的樣本沒有標籤,沒有明確目標
無監督學習:根據資料本身的分布特點,挖掘反映資料的內在特性
將資料集中相似的樣本進行分組,使得:
基因表達水平聚類:根據不同基因表達的時序特徵進行聚類,得到基因表達處於訊號通路
上游還是下游的資訊
籃球運動員劃分:根據球員相關資料,將其劃分到不同型別(或者不同等級)的運動員陣
營中客戶分析:把客戶細分成不同客戶群,每個客戶群有相似行為,做到精準營銷
智慧型決策的過程,通過過程模擬和觀察來不斷學習、提高決策能力
例如: alphago
資料也是有數學結構的,沒有數學結構我們便無法處理資料。
表示資料之間的距離。
有些資料本身就有網路結構,如社交網路。如果沒有,可以利用度量結構給資料附加乙個網路結構。
計算所用的演算法如下：
將資料看作向量、矩陣或更高階的張量。
流形、對稱性等
機器學習 第一講
在監督學習中，我們給出資料組，並且已經知道正確的輸出是什麼樣，明確輸入和輸出之間的關係。監督學習問題可以歸類為回歸 regression 和分類 classification 問題。在回歸問題上，我們嘗試 乙個連續 continuous 的輸出結果，也就是說我們嘗試去map輸入變數到一些連續的方程。...
機器學習十講 第一講
我們將機器學習定義為一組能夠自動檢測模式資料的方法，然後利用未發現的模式來 未來的資料，或者在不確定的情況下執行各種決策 例如計畫如何收集更多的資料 模型和計算能力 深度學習 gpu 分布式系統 廣泛的應用場景 營銷 廣告 金融 交通 醫療等 是指資料採集 資料清洗 資料分析和資料應用的整個流程中的...
機器學習10講 第一講
一丶大資料分析和人工智慧已經成為整個社會發展最主要的基礎推動力，兩者的基礎都是機器學習。大資料分析火熱的深刻原因 模型和計算能力 深度學習 模型顯示 gpu 加快深度學習的訓練 分布式系統 提高訓練的能力，水平 廣泛的應用場景 營銷，廣告，金融，交通，醫療等。二丶data y f x data 資料...