1.机器学习概念及相关术语解释

杨利霞

* B% z! O! K1 i  g* }  H# c1.机器学习概念及相关术语解释

一丶 机器学习概念
概述: 机器学习是人工智能具有智能的必要技术手段,人工智能的核心,机器学习是致力于研究如何通过CPU和GPU(图形图像处理器)的计算,利用经验或数据来改善计算机系统自身的性能
1 T& k4 x  ?" X) ~8 Q, v
7 \$ t' c3 E: I2 C总结: 机器学习模型=数据+算法

1 P, v0 F8 H& a& y, S* N$ ]如果有新的数据,我们只需要带入到Model中就可以输出预测值

& P+ d- g$ v' J  e- F; J& p什么不是机器学习?

+ O8 t& \1 r+ \/ {5 y+ t" i比如对于计算问题丶已经知道结果等不是机器学习问题(比如: 统计成绩搞的同学的topN)
: f+ B# f* J& Q& L% b7 I) ?7 N机器学习其实就是需要有一个预测的过程
0 C5 ]4 t8 V# e3 g! o) g5 G
机器学习概念补充:

  s6 D  ~& ?. q. s1.说明: X: 特征或属性 Y:类别标签类或预测的值
& U$ Z0 @  G+ Z" |
训练集和测试集: 通常要将数据集分为两部分,训练集用来模型的训练,测试集用来模型测试模型的好坏程度.
模型的好坏: 训练误差(模型预测在训练集上的Y值误差)丶测试误差(模型预测在测试集上Y值的误差)丶准确率(分对的/全部)丶错误率(1-正确率)
3 }! l4 n; g" W9 O, _! i二丶两种学习方式
基于规则的学习: 主要是通过基于专家发现的规则,指定规则,只需要新数据带入规则进行判断即可
基于模型的学习: x:特征数据 --> f(函数-模型) --> Y(结果数据),基于模型就可以直接预测分析得到结果数据
三丶术语
3.1机器学习分类的几种概念

监督学习: 训练集数据有类别标记
无监督学习:训练集数据没有类别标记
! `: R9 q& K7 u0 k8 r8 ^! J半监督学习: 有类别标记的训练集+无标记的训练集
强化学习: 常见的应用场景包括动态系统以及机器人控制等
监督学习:

分类:预测值是否为连续值,不是连续值的预测的话,是分类
回归:预测值是连续值的话,是回归
3 G8 n: F5 D/ C# K/ s6 f7 p非监督学习:
: Y0 g0 A# j8 y$ U7 P$ w. A# D
0 k! B1 F: T' S- Y& S聚类:通过相似性度量,组内的相似性是极高的,组内的相异性是极高的,进行分类
/ v2 z8 V* d3 E; V/ [8 t降维-通过算法进行降维的话,Z1和Z2的物理含义是不明确的
– 特征选择: 从原有的特征中选择比较重要的特征—x1,x2,x3==>Z1,Z2
半监督学习:

1.基于聚类的假设
–有类别标记的数据+没有类别标记的数据,将有类别标记的数据,去掉标签列,
2 {' m4 A; w4 J- y$ L此时所有的数据均没标签,对全部数据进行聚类,聚类之后,有类别标记的数据和没有类别标记的数据,有可能被分到不同的组或簇中,将所有的,有类别标记的数据,根据机器学习常用的处理方法–投票原则,根据少数服从多数的原则进行表决,将没有带类别标签的数据加上类别标签
2.利用所有样本再进行模型训练
强化学习:
) I" I' [6 b/ x1 X
' O* p+ K  o4 `# `7 n解决连续决策的问题丶围棋丶无人驾驶汽车等问题
3.2机器学习三要素

模型: 决策函数丶条件概率分布
! ~; v- u7 H8 P" W- O: V算法: 解析解和最优解(梯度下降法和牛顿法)
策略: (损失函数)评判一个模型的好坏
3.3其他
& K! B  v+ M, H8 Z0 o
降维: 将多维数据降成低维度数据,不过降过的维度不能使用具体的物理含义表示
- X( l2 J1 f4 A% y; u, y9 n抽样: 有行抽样和列抽样,如果模型发生欠拟合和过拟合,可以使用抽样方法很好的解决
: r+ x5 g4 h! j" D) g交叉验证: 交叉验证就是将拿到的训练数据，分为训练和验证集。以下图为例：将数据分成4份，其中一份作为验证集。然后经过4次(组)的测试，每次都更换不同的验证集。即得到4组模型的结果，取平均值作为最终结果。又称4折交叉验证
过拟合: 模型对于训练集效果很好,对于测试集效果较差 原因:模型过于复杂
欠拟合:模型对于训练集和测试集效果都很差 原因: 模型太过简单
模型选择的基本原则-奥卡姆剃刀原则:在具有相同泛化误差的模型中,选择较为简单的模型,防止过拟合
特征向量: 将属性或特征,通常使用向量来进行表示
5 y& l  y1 i8 J5 `& }: Z6 g8 N. [. n训练集: 数据集划分的一部分,来用于模型或者算法的训练
测试集: 数据集划分的一部分,来用于对已经训练好的模型进行测试模型的误差好坏
/ k: ^6 Z0 S# U3 i1 R6 K( \

- h9 t7 {. _! t. l5 m/ n- f四丶分类和回归问题
) C' @: J  S' H2 @2 g& |7 [4.1说明

2 B: F8 U7 [, r, m+ L如果预测值是连续值对应的问题是回归问题
8 M) i! _5 ^) ]# k; T  U& L如果预测值是离散值对应的问题的分类问题
3 R' C1 T3 S9 L4.2类别型变量处理
. K  V, D& k% \: j比如天气: 晴天丶阴天丶雨天
lable encoder: 标签编码

1 z# S2 c' L9 E+ l% x; D$ I晴天丶阴天丶雨天
0--------1--------2

ont-hot encoder: 独热编码(二进制方式)

晴天 丶 阴天丶 雨天
1---------0----------0
0---------1----------0
0---------0----------1

总结:通常使用label encoder(标签编码)
& g' ]  t9 F+ Q, O/ [/ D$ P1 h) |————————————————
版权声明：本文为CSDN博主「First_____」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
. w) G% ~9 j2 Y' ~. @/ W原文链接：https://blog.csdn.net/First_____/article/details/126717523
- N6 p6 P6 n6 h, `. n. {( I, z% O

6 y9 i0 l% @. h: v' x' }, i
8 T- h* u5 f8 G+ ?7 ?6 ~/ x* k5 J: N1 }