百頁機器學習
·
《The Hundred-Page Machine Learning Book》，中文翻譯為為《百頁機器學習書》。這本書是Andriy Burkov所著，其是Gartner的機器學習團隊負責人。這本書短小精悍，只有一百頁左右，包含大量自 20 世紀 60 年代以來具有重要實用價值的機器學習材料。它既適用于初學者，也適用于有經驗的從業者。
讓我們從實話實說開始：機器其實不會學習。典型的“Learning Machine”所做的是找到一個數學公式，當它應用于一組輸入(稱為“訓練數據”)時，就會產生所需的輸出。這個數學公式還可以為大多數其他輸入(與訓練數據不同)生成正確的輸出，條件是這些輸入來自與訓練數據相同或類似的統計分布。
為什么這不是學習?因為如果你稍微改變或扭曲一下輸入，輸出就很可能完全錯誤。但動物的學習不是這樣的。如果你學會了通過直視屏幕來玩電子游戲，那么如果有人稍微轉動一下屏幕，你仍然可以玩得很好。機器學習算法，如果它是通過“直視”屏幕來訓練的，除非它也經過了識別旋轉的訓練，否則它將無法在旋轉的屏幕上玩游戲。
那么為什么叫“機器學習”呢?原因是由于市場營銷：美國電腦游戲和人工智能領域的先驅阿瑟?塞繆爾(Arthur Samuel) 于1959年在IBM工作時創造了這個詞。與IBM在2010年試圖推銷“認知計算(cognitive computing)”一詞在競爭中脫穎而出的情況類似，在上世紀60年代，IBM使用了新的“機器學習(machine learning)”一詞來吸引客戶和有才華的員工。
正如你所看到的，就像人工智能不是智能一樣，機器學習也不是學習。然而，機器學習是一個被普遍認可的術語，通常指的是制造機器的科學和工程，這些機器能夠在沒有明確編程的情況下完成各種有用的事情。因此，這個術語中的“學習”這個詞是用來類比動物的學習，而不是字面上的學習。
付費5元查看完整內容
相關內容
本備忘單是機器學習手冊的濃縮版，包含了許多關于機器學習的經典方程和圖表，旨在幫助您快速回憶起機器學習中的知識和思想。
這個備忘單有兩個顯著的優點:
-
清晰的符號。數學公式使用了許多令人困惑的符號。例如，X可以是一個集合，一個隨機變量，或者一個矩陣。這是非常混亂的，使讀者很難理解數學公式的意義。本備忘單試圖規范符號的使用，所有符號都有明確的預先定義，請參見小節。
-
更少的思維跳躍。在許多機器學習的書籍中，作者省略了數學證明過程中的一些中間步驟，這可能會節省一些空間，但是會給讀者理解這個公式帶來困難，讀者會在中間迷失。
付費5元查看完整內容
題目： Supervised learning
簡介：
監督學習是指利用一組已知類別的樣本調整分類器的參數，使其達到所要求性能的過程，也稱為監督訓練或有教師學習,其同樣是基于示例輸入-輸出數據對，在輸入和輸出數據之間建立數學函數的機器學習任務，而該數學函數來源于對有標簽訓練數據集的學習過程。函數的輸出可以是一個連續的值（稱為回歸分析），或是預測一個分類標簽（稱作分類）。一個監督式學習者的任務在觀察完一些事先標記過的訓練范例（輸入和預期輸出）后，去預測這個函數對任何可能出現的輸入的輸出。要達到此目的，學習者必須以"合理"（見歸納偏向）的方式從現有的資料中一般化到非觀察到的情況。在人類和動物感知中，則通常被稱為概念學習（concept learning）。
主要內容：
- 監督學習
- 統計分類
- 回歸分析
- 感知器
- 線性回歸
- 邏輯回歸
- 支持向量機
- 樸素貝葉斯分類器
- 決策樹學習
- 人工神經網絡
- 集成學習
- k近鄰算法
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191