动手学深度学习-第一章引言
在DATAwhale的组织下,开始新的一轮深度学习,感谢组织,感谢沐神.
机器学习(machine learning,ML)是一类强大的可以从经验中学习的技术。 通常采用观测数据或与环境交互的形式,机器学习算法会积累更多的经验,其性能也会逐步提高。
- 数据
- 遵循独立同分布(independently and identically distributed, i.i.d.)(大多数情况,假设的前题)
- 由一组称为特征(features,或协变量(covariates))的属性组成
- 器学习模型会根据这些属性进行预测
拥有越多数据的时候,工作就越容易。
还需要正确的数据
- 模型
- 转换数据 将输入数据通过模型输出相应数据
- 目标
- 定义模型的优劣程度的度量,这个度量在大多数情况是“可优化”的
- 最常见的损失函数是平方误差
- 算法
- 搜索出最佳参数,以最小化损失函数
- 搜索出最佳参数,以最小化损失函数
2.机器学习分类
2.1监督学习
2.1.1回归
任何有关“有多少”的问题很可能就是回归问题
2.1.2分类
“哪一个”的问题叫做分类(classification)问题
2.1.3标注
学习预测不相互排斥的类别的问题称为多标签分类(multi-label classification)
2.1.4搜索
在海量搜索结果中找到用户最需要的那部分
2.1.5推荐
与搜索和排名相关的问题是推荐系统(recommender system),它的目标是向特定用户进行“个性化”推荐
2.1.6序列
序列学习需要摄取输入序列或预测输出序列,或两者兼而有之。 具体来说,输入和输出都是可变长度的序列
2无监督学习
不含有“目标”的机器学习问题通常被为无监督学习
- 聚类
- 主成分分析
- 因果关系
- 生成对抗网络
2.3与环境互动
2.4强化学习
在每个特定时间点,智能体从环境接收一些观察(observation),并且必须选择一个动作(action),然后通过某种机制(有时称为执行器)将其传输回环境,最后智能体从环境中获得奖励(reward)。 此后新一轮循环开始,智能体接收后续观察,并选择后续操作,依此类推。
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· DeepSeek 开源周回顾「GitHub 热点速览」
· 物流快递公司核心技术能力-地址解析分单基础技术分享
· .NET 10首个预览版发布:重大改进与新特性概览!
· AI与.NET技术实操系列(二):开始使用ML.NET
· .NET10 - 预览版1新功能体验(一)