“机器学习”版本间的差异
来自iCenter Wiki
| 第1行： | 第1行： | ||
| − | + | = 机器学习定义 = | |
| + | |||
| + | 机器学习（Machine Learning），是指机器从数据中自动分析获得规律，并利用规律对未知数据进行预测。 | ||
| + | |||
机器学习的一个简洁的定义：对于某类任务T和性能度量P，一个计算机程序被认为可以从经验E中学习是指通过经验E改进后，它在任务T上由性能度量P衡量的性能有所提升。 | 机器学习的一个简洁的定义：对于某类任务T和性能度量P，一个计算机程序被认为可以从经验E中学习是指通过经验E改进后，它在任务T上由性能度量P衡量的性能有所提升。 | ||
| 第19行： | 第22行： | ||
多元分类的逻辑斯提回归模型 | 多元分类的逻辑斯提回归模型 | ||
| − | |||
| − | + | = 阅读材料 = | |
| + | |||
| + | # Jordan, M. I., and T. M. Mitchell. "Machine learning: Trends, perspectives, and prospects." Science 349, no. 6245 (2015): 255-260. [http://science.sciencemag.org/content/349/6245/255 Machine_Learning_Science_2015] | ||
| + | |||
| + | = 工具 = | ||
| − | + | '''Python''' | |
| − | + | [http://scikit-learn.org scikit-learn] | |
| + | ([https://github.com/scikit-learn/scikit-learn Source Code]) | ||
2017年8月10日 (四) 12:49的版本
机器学习定义
机器学习（Machine Learning），是指机器从数据中自动分析获得规律，并利用规律对未知数据进行预测。
机器学习的一个简洁的定义：对于某类任务T和性能度量P，一个计算机程序被认为可以从经验E中学习是指通过经验E改进后，它在任务T上由性能度量P衡量的性能有所提升。
机器学习分为监督学习和非监督学习，还有强化学习和推荐算法等。
机器学习的主要任务是预测与分类。
预测
- 线性预测：
线性回归模型
分类
二元分类的逻辑斯提回归模型
多元分类的逻辑斯提回归模型
阅读材料
- Jordan, M. I., and T. M. Mitchell. "Machine learning: Trends, perspectives, and prospects." Science 349, no. 6245 (2015): 255-260. Machine_Learning_Science_2015
工具
Python
