FAFU机器学习 3-1-3中文.pptxVIP

内容 1 经典机器学习 2 3 4 什么是机器学习？ 集合方法 强化学习 5 深度学习 经典机器学习 经典的机器学习通常分为两类--监督学习和非监督学习 监督学习 有监督学习有两种类型:分类--对象的类别预测，回归--数字轴上特定点的预测 分类 根据事先已知的一个属性拆分对象。根据颜色拆分袜子，根据语言拆分文档，根据流派拆分音乐 如今用于:垃圾邮件过滤，语言检测，相似文档有哪些信誉好的足球投注网站，情感分析，手写字符和数字识别，欺诈检测等 常用算法:朴素贝叶斯，决策树，逻辑回归，k-最近邻，支持向量机 分类 在垃圾邮件过滤中，朴素贝叶斯算法得到了广泛的应用。机器会计算垃圾邮件和普通邮件中提到“伟哥”的次数，然后利用贝叶斯方程将两种概率相乘，然后将结果相加，我们就有了机器学习 分类 下面是另一个分类的实际例子。假设你需要一些赊账的钱。银行怎么知道你还不还？ 利用这些数据，我们可以教机器找到模式并得到答案。得到答案不成问题。问题是银行不能盲目相信机器答案。 为了处理它，我们有决策树。所有数据自动分成是/否问题。从人的角度来看，这听起来可能有点奇怪，例如，债权人的收入是否超过128.12美元？不过，机器会提出这样的问题，以便在每一步最好地分割数据 分类 支持向量机（Support Vector Machines，SVM）是目前最流行的经典分类方法。它被用来对现存的一切进行分类:根据照片中的外观对植物进行分类，根据类别对文档进行分类等等 支持向量机背后的思想很简单--它试图在数据点之间画两条线，它们之间有最大的边距。看图: 回归 “在这些点上画一条线。是的，这就是机器学习。” 今天这个词用于: 股价预测 需求和销量分析 医学诊断 任意次数相关 常用的算法是线性回归和多项式回归。