machine learning机器学习学习笔记

所需积分/C币:8 2018-09-03 08:24:02 17.29MB PDF
5
收藏 收藏
举报

个人所做机器学习的学习笔记,分享出来给有需要的人,很入门的课程,大神就不用看了,pdf格式
非监督学习 给机器的训练数据没有任何标记”或者“答案” Computer Science Publications Math and statistics Publications 非监督学习:对没有“标记”的数据进行分类聚类分析 比如电商网站,或者推荐算法。 非监督学习的意义: 非监督学习的意义 对数据进行降维处理 特征提取:信用卡的信用评级和人的胖瘦无关? ·特征压缩:PCA 特征提取:提取一些有用的特征,删掉一些无关联的特征,进行降维 打击。 特征压缩:找到一些有关联的特征向量进行压缩,从而降低使用的特 征向量维度。 非监督学习的意义: D Feature 1 降维处理的意义:方便可视化 OnnD时a& TwE PCA Vector 234 Class 0 dass t F时ur1 异常检测 111 100 0 100 200 250 半监督学习: 一部分有标记,另一部分没有标记 原因:各种原因产生的标记缺失,生活中吏常见,通常需要手动标记 上,再进行处理,或者: 通常都先使用无监督学习手段对数据做处理,之后使 用监督学习手段做模型的训练和预测 增强学习 根据周围环境的情况,采取行动,根据采取行动的结果,学习行动方式。 Agent state reward action S,R R 1 Environment AlphaGo就算是,每次落子都是跟环境的交互。 无人驾驶,机器人其实都是。应用范围贼广,发展前景也很不错的。 监督学习和半监督学习是基础 其他分类: 机器学习的其他分类 在线学习和批量学习(离线学习) 参数学习和非参数学习 批量学习 Batch Learning 在线学习 Online Learning 批量学习 输入样例 输入大量 「机器学习算法 模型 输出结果 学习资料 优点:简单 ·问题:如何适应环境变化? 解决方案:定时重新批量学习 缺点:每次重新批量学习,运算量巨大; 在某些环境变化非常快的情况下,甚至不可能的。 在线学习 输入样例 输入大量 →「机器学习算法 模型 输出结果 学习资料 正确结果 优点:及时反映新的环境变化 ·问题:新的数据带来不好的变化? 解决方案:需要加强对数据进行监控 其他:也适用于数据量巨大,完全无法批量学习的环境。 在线学习算是对离线学习的一种改进,在数据量太大没办法一次性离 线学习的时候,可以用在线学习,相当于分批次喂给算法来进行学习 参数学习的特点 旦学到了参数,就不再需要原有的数据集 25 2.01 15 1.0 非参数学习 不对模型进行过多假设 非参数不等于没参数! 喂给学习算法的数据集也参与预测的过程 不等于没参数,只是不对整个问题进行建模,不把问题设定为只是建 立统计学模型而已。 Numpy list1 numpy arraylli for i in range(10) 整型or浮点型一开始创建的时候就确定了 其他创建 numpyarray的方法: In [33]: 1 np zeros( 10) Out[33]: array([ 0., 0 0 0 0.1 整型就是这个 In [351: 1 np zeros(10, dtype=int) out[35]: array(【0,0,0,0,0,0,0,0,0,0]) 这里面的10是大小 如果传的是个元组的话,就成了矩阵:eg:3*5的矩阵 工n【361:1np. zeros((3,5》) out【361: array《【I0.,0 0,0.1 0 0 0 0. 0 011 更规范点就是这个 np zeros(shape =3, 5), dtype =int In (40): 1 np zeros( shape=(3, 5), dtype=int) out[40J: array(I[0,0,0,0;0] 0 D,0,0 0,0,0,0;0]1) 注意,如果不加 dtype=int的话就是 float 然后 np ones就是全为1的向量或矩阵 而如果想萼指定值的矩阵的话: 工n[431:1np,fu11(3,5),666) out[43]: artay([t666,666,666:666,666] 666,666,666,666,666], 666,666,666,666,666]] shape不变,后面的 fill value就是要填充的值。 同上, fill value的数据类型就是填的数据的类型,666就是整型 In [441: 1 np. full( shape-(3, 5), fill_value=666) out[44: array([[666,666,666,666,666 666,666,666,666,666], 666,666,666,666,666]]) hape是10的话就是(1,10)的意思 np.arange语法等同于 Python中的 range In [9 已 [9]: 12,14,16,18] 不同的是, Python中 range里不可以传浮点数(包括起始,步长) np. arange却可以,很牛逼了感觉 In [15]: np linspace(O, 20, 11) 引]: array([0.,2.,4.,6.,8.,10.,12.,14.,16.,18.,20.] £o (0,5,0,2 File ipythor-input-10-aaacf3f33d3d> line 1 i for i in range(0, 5,0.-2 SyntarError: invalid syntax 1:3F.xang805,0.2) out[11:aray(D.:0.2,1Q.4,0.,0.8,1.,1.2,1.4,1,,1.8,2.,2.2,2.4, 26.2.8,3.,3.2,3.生,3.6,3.8,4.,4,2,4.生14.6,4.8] 还有个类似的叫 nspace 语法稍微有点不一样

...展开详情
试读 127P machine learning机器学习学习笔记
立即下载 低至0.43元/次 身份认证VIP会员低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
上传资源赚钱or赚积分
最新推荐
machine learning机器学习学习笔记 8积分/C币 立即下载
1/127
machine learning机器学习学习笔记第1页
machine learning机器学习学习笔记第2页
machine learning机器学习学习笔记第3页
machine learning机器学习学习笔记第4页
machine learning机器学习学习笔记第5页
machine learning机器学习学习笔记第6页
machine learning机器学习学习笔记第7页
machine learning机器学习学习笔记第8页
machine learning机器学习学习笔记第9页
machine learning机器学习学习笔记第10页
machine learning机器学习学习笔记第11页
machine learning机器学习学习笔记第12页
machine learning机器学习学习笔记第13页
machine learning机器学习学习笔记第14页
machine learning机器学习学习笔记第15页
machine learning机器学习学习笔记第16页
machine learning机器学习学习笔记第17页
machine learning机器学习学习笔记第18页
machine learning机器学习学习笔记第19页
machine learning机器学习学习笔记第20页

试读结束, 可继续阅读

8积分/C币 立即下载