1.机器学习概念及相关术语解释

杨利霞

- B/ H' p0 F5 }$ ^1.机器学习概念及相关术语解释
. H4 M3 ?1 z% N0 n9 K1 W6 W1 X: w- M3 f1 V& s
1 Z- ~& @! [) |' q$ K" J一丶 机器学习概念
. s" u' C. i% a, F% A1 q7 W2 L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
' g2 E* ^, P0 G/ W% F
$ ]4 V" N0 Z$ e& h( f2 F( X4 d总结: 机器学习模型=数据+算法

& b1 l$ [( g5 h: r! ]& V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
' T" A7 k; Z; ]. x
什么不是机器学习?
) {% t! b; X7 u6 j$ N
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)
机器学习其实就是需要有一个预测的过程

机器学习概念补充:

$ N5 Y3 ?8 j+ ^1 C# C1.说明: X: 特征或属性 Y:类别标签类或预测的值

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.
! S4 T; T' j! s+ u: K# f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)
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
7 u- b# [6 m% H' ], m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
2 u; c$ W1 T: q, q, c1 f三丶术语
3.1机器学习分类的几种概念
: U0 V  b; B" F
/ Q2 r4 d7 S3 }* J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
% k  q0 A, X% {% T! C1 m5 N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
非监督学习:
6 h1 S: N4 T- n+ U9 C2 {* e. _+ D
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
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
; c9 k' r8 j% o! B* t2 a# ~) `– 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
7 W% O/ U" J8 D2 t$ X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,
' _. r% m2 `5 k' j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
" n5 G# j0 p( c0 a2.利用所有样本再进行模型训练
强化学习:
4 T0 J) r! x! C9 S! P% ?
解决连续决策的问题丶围棋丶无人驾驶汽车等问题
  m8 l3 w. W3 x4 n3.2机器学习三要素

8 L& y! q; a4 R* r模型: 决策函数丶条件概率分布
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

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
* S8 I, f1 [% @6 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
: C8 v/ v& i2 Z4 U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
$ V$ c$ F8 T- F5 Q0 H. d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
# i4 N0 f; R) Q( k: }$ @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
3 e" _1 `7 U2 ]( h

/ M9 Z2 a. N( N/ n四丶分类和回归问题
4.1说明

如果预测值是连续值对应的问题是回归问题
如果预测值是离散值对应的问题的分类问题
4.2类别型变量处理
比如天气: 晴天丶阴天丶雨天
lable encoder: 标签编码

( H% J! I3 a/ A; U晴天丶阴天丶雨天
" s* u& t3 E6 p) Q# E; p0--------1--------2
6 I7 T/ |: ~4 O' [5 U/ G
% ^9 `$ l$ ?' X6 Ront-hot encoder: 独热编码(二进制方式)

! g8 G  @9 U) ^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)
7 X  y4 V+ g# g  Z) u. w4 d————————————————
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。
原文链接：https://blog.csdn.net/First_____/article/details/126717523
  m9 t% U& M* I8 d6 E. b
0 D: P8 y6 Z& G+ \2 W: X
2 y0 @% u  l4 g9 a. R. ]( u9 W