“机器学习”版本间的差异
来自iCenter Wiki
（以“机器学习分为监督学习和非监督学习。机器学习的主要任务是预测与分类。 线性预测： 线性回归模型 二元分类的逻辑斯提...”为内容创建页面） |
|||
| 第1行： | 第1行： | ||
| − | + | 机器学习 | |
| − | 线性预测： | + | 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 | 线性回归模型 | ||
| + | |||
| + | =分类= | ||
二元分类的逻辑斯提回归模型 | 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 | 多元分类的逻辑斯提回归模型 | ||
| + | |||
| + | =深度学习= | ||
神经网络 | 神经网络 | ||
2017年8月10日 (四) 05:21的版本
机器学习
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
深度学习
神经网络
卷积网络
循环网络
