【機器學習基石筆記】三、不同類型的機器學習
一、不同的output
1、二分類
2、多分類
3、回歸問題
4、structured learn: 從一個句子 -> 句子每個 詞的詞性。
輸出是一個結構化的東西。
例子:蛋白質數據 -> 蛋白質結構
演講語音 -> 演講parse tree
二、不同label的類型
1、監督
2、非監督:
聚類
另外的非監督問題:密度估計!outlier detect
3、半監督學習:與監督學習比較接近
4、增強學習:yHat = y, 獎勵 yHat != y, 懲罰。
例子:推薦系統、下象棋
三、不同Protocol:
1、batch: 一批一起
2、online:按順序
PLA就很容易(感知機學習模型),
reinforce一般都是online
3、active learning主動學習: 給出一個x,詢問y是啥。通常用在取得標記很貴的情況。
四、不同輸入空間:
1、具體特征
2、原始數據
3、抽象特征:KDD題目,rate prediction. 輸入是用戶、歌曲編號。
特征工程\深度學習。
【機器學習基石筆記】三、不同類型的機器學習
相關推薦
【機器學習基石筆記】三、不同類型的機器學習
質數 一個 非監督 輸入 編號 不同 象棋 按順序 pla 一、不同的output 1、二分類 2、多分類 3、回歸問題 4、structured learn: 從一個句子 -> 句子每個 詞的詞性。 輸出是一個結構化的東西。 例子:蛋白質數據 ->
【機器學習基石筆記】一、綜述
model 但是 目標 學習 imp 選擇 處理 定義 條件 課程定位: 註重基礎、故事性 機器學習定義: data - Algo - improve 機器學習使用條件 1、有優化的目標,可量化的。 2、規則不容易寫下來,需要學習。 3、要有數據 一個可能的推薦
【機器學習基石筆記】二、感知機
證明 機器學習 sign 線性可分 缺點 學習 犯錯 nbsp 錯誤 感知機算法: 1、首先找到點,使得sign(wt * xt) != yt, 那麽如果yt = 1,說明wt和xt呈負角度,wt+1 = wt + xt能令wt偏向正角度。 如果yt = -1, 說
【機器學習基石筆記】四、無法學習?
機器學習 估計 事情 永遠 pro app out 天下 oba 天下沒有白吃的午餐,從樣本內到樣本外永遠無法估計。 抽樣的話,樣本內頻率和樣本外概率相等PAC (probably approximately correct) 一個重要的事情是樣本要在總體分布中取。 E
【C++學習筆記】三、C++的資料型別、儲存以及基本運算
本文記錄了C++中的資料型別以及基本運算,這部分是典型的每次記每次忘型別,所以烙印在此,以便用時隨時查閱。 主要參考:http://www.runoob.com/cplusplus/cpp-data-types.html 1. C++中的資料型別 (1)基本型別 C++ 為程式
【Python學習筆記】三、序列(Sequence)
3.1序列簡介• 資料結構是通過某種方式組織在一起的元素的集合。• 容器(Container)是一種Python的資料結構,基本上是包含其他物件的任意物件。序列和對映(如字典)是兩類主要的容器。集合(Set)也是容器型別。• 序列是最基本的資料結構,是通過對資料元
【《計算機網路(第七版)》學習筆記】三、 資料鏈路層
3.1 使用點對點的通道的資料鏈路層 點對點通道:一對一 廣播通道 : 一對多 3.1.1 資料鏈路和幀 鏈路:是一條無源的點到點的物理線路段,中間沒有任何其他的交換節點 資料鏈路:除了物理線路外,還必須有通訊協議來控制這些資料的傳輸。若把實現
【平差軟體學習---科傻】三、平面導線平差
關鍵詞:導線的網型怎麼分析,附和導線用科傻怎麼平差,閉合導線用科傻怎麼平差,無定向導線用科傻怎麼平差,支導線用科傻怎麼平差, 等待已久20天假終於到來了,整天沒日沒夜的幹活,倒並不是身體上累,而是心裡真的是累了,是那種機器轉不動的累,是那種魚兒在河中想去大海的感覺,總覺的自己像個機器,被人操縱的機器。 導
【資料結構筆記】三、樹與二叉樹
課程是中國大學MOOC浙江大學出的資料結構。 作為一個數據結構愛好者,我覺得很有必要稍微整理下各章節的筆記,對知識進行梳理。 查詢 首先,老師從“查詢”入手,查詢分為靜態和動態,演示了靜態查詢的例程,並介紹了‘建立哨兵’的思想。而這個例程使用的是普通的順序
【遊戲文案入門常識】三、遊戲世界觀的搭建
釀盡一江水,清酌狂幾人。 俯仰天地間,誰與我共醉。 江湖紛爭何止休,他方唱罷我登場。 百曉生這廂有禮了。 這俗話說啊“士別一日,如隔三秋。” 如今七載寒暑過後,各位看官,別來無恙? 這禮,道了。舊,也敘了。 咱們書歸正題,這會,且說說,這遊戲世界觀的搭建祕法。 一、
【品高雲7年】三、雲在開發測試場景的需求與挑戰
1.概述 曾幾何時,開發測試是雲平臺切入企業市場的第一個應用場景 ,主要的原因是:一方面,這個場景下對高可用的要求不高(說白了就是,那時企業還不相信雲平臺能挑大樑、跑生產系統);另一方面,開發測試工作中環境變化比較頻繁,雲平臺的“模板”能力正好可以有效降低
【Netty4 簡單專案實踐】三、壓縮訊息體:使用google的protocol buff
原始碼:https://github.com/arctan90/NettyApplication 這裡能看到 怎麼 配置處理器 怎麼 生成protocol buff的訊息類 怎麼 接收多個型別的protocol buff 怎麼 傳送 protocol buff Cha
三種不同類型的ssh隧道
html 應用 支持 ces 動態 開放 groov 所有 隧道 何謂SSH隧道 隧道是一種把一種網絡協議封裝進另外一種網絡協議進行傳輸的技術。這裏我們研究ssh隧道,所以所有的網絡通訊都是加密的。又被稱作端口轉發,因為ssh隧道通常會綁定一個本地端口,所有發向這個端口端口
【統計學習方法-李航-筆記總結】三、k近鄰法
本文是李航老師《統計學習方法》第三章的筆記,歡迎大佬巨佬們交流。 主要參考部落格:https://blog.csdn.net/u013358387/article/details/53327110 主要包括以下幾部分: 1. k近鄰演算法 2. k近鄰模型 3. kd樹 1.
【OpenCV學習筆記】三十七、特徵檢測與匹配(二)——SIFT特徵點匹配
特徵檢測與匹配(二)——SIFT特徵點匹配 1.SIFT特徵點提取 2.繪製特徵點 3.特徵點描述符(特徵向量)提取 4.使用暴力匹配器進行暴力匹配 5.對匹配結果進行篩選(依據DMatch結構體中的float型別變數distance進行篩選) 6.繪製匹配結果 先上ppt
【機器學習(李巨集毅)】 三、Bias and Variance
本講核心問題:Where does the error come from? Review: 更復雜的模型不一定在測試集上有更好的表現 誤差由偏差“bias”導致 誤差由方差“variance”導致 Estimator: f^是計算poke
【OpenCV學習筆記】三十、輪廓特徵屬性及應用(七)—位置關係及輪廓匹配
輪廓特徵屬性及應用(七)—位置關係及輪廓匹配 1.計算點與輪廓的距離及位置關係——pointPolygonTest() 2.矩的計算——moments() 3.形狀匹配(比較兩個形狀或輪廓間的相似度)
【機器學習筆記】二、 Regression迴歸
一、基礎 這裡面,輸入變數x有兩個,一個是居住面積(living area),一個是房間數目(bedrooms)。 所以x 是一個二維向量。表示第i組資料中的居住面積(living area)。表示第i組資料中的房間數目。 我們假設輸入和輸出呈線性關係,那麼便有下面的公式
【SQL Server學習筆記】事務、鎖定、阻塞、死鎖
body sqlserve distrib reset reads cli ast function pre http://blog.csdn.net/sqlserverdiscovery/article/details/7712068 Column nameData
【安全牛學習筆記】SSL、TLS拒絕服務攻擊和補充概念
security+ 信息安全 SSL/TLS拒絕服務攻擊 thc-ssl-doc SSL協商加密對性能開銷增加,大量握手請求