AI学习笔记之——如何理解机器学习(Machine Learning)

  • 时间:
  • 浏览:1
  • 来源:大发大发彩神app—大发彩神下载苹果

机器学习有也不 分类,比如里边识别猫狗的例子也不五种用于分类(Classification)的监督学习算法(Supervised Learning)。那理解机器学习,首先就要能 了解机器学习算法是为何在么在分类的,机器学习算法可不都能能从以下几个厚度来进行分类:

里边就从各个厚度对不同的机器学习进行分类,确实看起来比较浮于皮层,也不这对真正理解机器学习非常重要,希望在今后的笔记中与亲戚亲戚有人都都歌词 歌词 同去学习,不断进步。

是被动(Passive)的吗? 比如学习者是否这是观察者而不必改变环境和数据,还是主动的(Active)。是线上(Online)的还是线下(offline)的这取决于数据是在学习前一天产生的还是在学习当中不停地产生。

前面确实介绍了概率和贝叶斯网络,也不还是没有正式介绍AI中最重要的算法——机器学习。也不说概率论是机器学习的基石,没有机器学习算法和理论也不支撑整个AI系统的支柱。现在比较火的厚度学习神经网路等等确实也也不机器学习的有有另一个多多具体最好的法律妙招和分支。

学习建立模型是越普遍(generative)越好,还是越特定(Discriminative)越好呢。

是用来预测(Prediction), 比如预测天气;是用来诊断(Diagnostics),比如诊断病情;还是用来总结(Summarize)比如写阅读总结;等等用途

是分类(Classification)呢(比如识别猫狗)还是回归(regression)比如预测房价。

是监督学习(Supervised Learning),无监督学习(Unsupervised Learning)还是强化学习(Reinforcement Learning)。前两者的区别是是是否人类标记。也是否否强化学习是指学习者是否在与环境的互动中不停学习的,比如对话机器人。

也不五种机器学习的算法是用来学习那些的,是学习参数(Parameters)的吗?比如下雨的概率。是学习特性(Structure)吗? 比如贝叶斯网络的特性。还是学习隐藏的概念(Hidden concepts)比如广告商发现喜爱广告的不同群体。

机器学习也不和人类一样,通过不停地输入数据(信息)也不自动学习外理那些的问題的最好的法律妙招。比如图片识别,小孩子是不也不出生的前一天就知道那些是人那些是猫那些是狗,也不家长和老师们不停地在图片,视频也不现实生活当中给亲戚亲戚有人都都歌词 歌词 “指出”这是猫这是狗,小孩看(数据输入)多了自然就知道猫和狗的区别,下次在见到相同的动物也就学好了识别猫狗了。机器学习一样,人类标记(指出)絮状中有 猫狗的图片“喂”给机器,通过机器学习算法,机器自动就掌握了学习识别猫狗的算法,于是亲戚亲戚有人都都歌词 歌词 就可不都能能用五种经过训练的机器去我我应该 们去识别猫狗了。

相关文章

人工智能学习笔记之——人工智能基本概念和词汇人工智能学习笔记二 —— 定义那些的问題

文章首发steemit.com 为了方便墙内阅读,搬运至此,欢迎留言也不访问我的Steemit主页

亲戚亲戚有人都都歌词 歌词 知道任务管理器池池员也不我我应该 命令计算机做一件事情,他要能 知道外理五种事情的每有有另一个多多步骤,也不用判断,循环等指令,一步一步地告诉计算机如何去完成。比如自动售货机,计算机从你输入的号码查询到商品的价格和货架的位置,等待歌曲你付款成功前一天就将商品“吐”出来。对于五种重复性的劳动五种任务管理器池池是非常高效的。也不如何让 那些的问題诸如自动驾驶那些的问題,是不也不通过五种最好的法律妙招外理的。也不 是否了现在最流行的机器学习。