机器学习报告.docx
版权申诉
82 浏览量
2022-06-16
09:24:51
上传
评论 1
收藏 40KB DOCX 举报
机器学习总结报告
刘皓冰
大部分人错误地以为机器学习是计算机像人一样去学习。事实上，计算机是
死的，怎么可能像人类一样“学习”呢，机器学习依靠的是数学，更确切地说是靠
统计。
如果我们让计算机工作，是给它一串指令，然后计算机会遵照这个指令一步
步执行下去，有因有果，非常明确。但这种方式在机器学习中是行不通的。机器
学习是不会接受你输入的指令的，它接受的是你输入的数据。也就是说，机器学
习是一种让计算机利用数据而不是指令来进行各种工作的方法。这听起来非常不
可思议，但结果上却是非常可行的。“统计”思想将在你学习“机器学习”相关理念
时无时无刻不伴随，相关而不是因果的概念将是支撑机器学习能够工作的核心概
念。
依据数据所做的判断跟机器学习的思想根本上是一致的。机器学习方法是计
算机利用已有的数据(输入)，得出了某种模型，并利用此模型预测未来(输出)的一
种方法。从数据中学得模型的过程称为“学习”（learning）或“训练”（training），
这个过程通过执行某个学习算法来完成。训练过程中使用的数据成为“训练数据”
（training data），其中每个样本称为一个“训练样本”（training sample），训练样本
组成的集合称为“训练集“（training set）。学得模型对应了关于数据的某种潜在的
规律，因此亦称”假设“（hypothesis）；这种潜在规律自身，则称为”真相“或”真实
“（ground-truth），学习过程就是为了找出或逼近真相。模型有时也被称为”学习
器“（learner），可看作学习算法在给定数据和参数空间上的实例化。
若欲预测的是离散值则此类学习任务被称为“分类”；若欲预测的是连续值则
此类学习任务称为“回归”；对只涉及两个类别的“二分类”任务，通常称其中一个
类为“正类”，另一个类为“反类”；涉及多个类别时，则称为“多分类”任务。
模型是否准确依赖与数据。如果我的数据越多，我的模型就越能够考虑到越
多的情况，由此对于新情况的预测效果可能就越好。这是机器学习界“数据为王”
思想的一个体现。一般来说(不是绝对)，数据越多，最后机器学习生成的模型预
测的效果越好。
机器学习里面有非常多的经典算法，每种算法都能形成一个模型。下面在简
要介绍一下机器学习中的经典代表方法。重点介绍的是这些方法内涵的思想。
1、回归算法
资源评论
