上一节我们介绍了监督学习的整体框架和基本的要点，按照总分的思考方式，接下来我们要分别介绍相应的一些算法了。今天这节我们来看看贝叶斯定理在机器学习中的应用。本章要点如下：1. 贝叶斯定理；2. 分类中的贝叶斯定理；3. 风险和效用度量；4. 关联规则；一、贝叶斯定理 贝叶斯定理来源于统计学中的条件概率，它可以揭示两个变量间的对应关系，基本公
机器学习中监督式学习是非常重要的一类，因为ML的主要出发点是利用获得的数据来补偿未知的知识，所以从训练集出发学习数据中的模式规律就是最为自然的一类 情况。今天开始自己决定利用两周左右的时间，来记录整理自己学习机器学习的笔记，主要的参考资料是Ethen Alpaydin的《机器学习导论》，如有错误或疏漏，还请各位童鞋批评指正。今天主要来宏观地谈谈监
在大致了解了机器学习的算法分类（监督式、非监督式以及增强学习）和梯度算法后，今天我们来了解下拟合度和最大似然估计的相关问题。一、最小二乘法的拟合度 监督式学习中一类典型的应用就是回归问题，基本的就是线性回归，即用一条直线去逼近训练集合。最小二乘法就是根据已有的训练集样本来确定拟合度最好的函数 曲线。但是由于选择一个什么样的曲线是人工决定的，而不同的曲线又具有
上一章中我们简单介绍了机器学习的大概情况，今天我们开始循序渐进地学习机器学习中相关的算法。在接触经典算法之前，我们先来了解下“梯度下降”算法。一、算法背景 作为一个算法演示的背景，我们还是采用上一章中提到的房屋价格和房屋大小的关系问题，不同大小的房屋对应不同的房价，我们要通过分析已有的数据样本，来预 测一个新样本的房价。这
由于工作的关系，开始接触机器学习这个技术领域，虽然自己的工作看似和机器学习关系不大，但是利用机器学习进行大数据的分析却是至关重要的。因此从今天开始自己再开始一个关于“机器学习”的系列笔记，将主要记录整理自己学习的收获。今天是对于机器学习的一个基本的介绍。一、什么是机器学习？为什么需要机器学习？ 所谓机器学习，英文就是Mach
Copyright © 2005-2025 51CTO.COM 版权所有 京ICP证060544号
