当前位置: 首页> 文旅> 酒店 > 地方门户网站源码_net建站系统_自建站怎么推广_百度竞价防软件点击软件

地方门户网站源码_net建站系统_自建站怎么推广_百度竞价防软件点击软件

时间:2025/7/12 2:21:20来源:https://blog.csdn.net/2301_79626091/article/details/146539846 浏览次数:0次
地方门户网站源码_net建站系统_自建站怎么推广_百度竞价防软件点击软件

1.定义

机器学习(MachineLearning,ML)是指从有限的观测数据中学习(或“猜测”)出具有一般性的规律,并利用这些规律对未知数据进行预测的方法。

≈自动构建一个映射函数

2.类型:

①监督学习:①回归问题(y∈R)②分类问题(y∈离散)

②无监督学习:①聚类②降维③密度估计

③强化学习:eg.交互

3.机器学习的五要素

数据--->模型--->学习准则--->优化算法--->评价指标

模型:

有线性模型也有非线性的等等,一个表达式。

学习准则:
       1. 一个好的模型应该在所有取值上都与真实映射函数一致

                经验风险最小化

                机器学习问题转化成为一个最优化问题

        2.  随机梯度下降法: 

在每次迭代时只采集一个样本。

优点:计算开销小,支持在线学习。

缺点:无法充分利用计算机的并行计算能力。

3.那么    机器学习------>?优化 

答案肯定不完全是。

在模型构建时可能会出现两种情况:

欠拟合:对于已知数据不符合

过拟合:已知数据差异少,未知数据差异可能很大

4.泛化误差

期望风险 - 经验风险

既希望期望风险降低,也希望泛化风险降低。

5.如何降低泛化误差?

引入正则化:降低模型复杂度

优化虽然可以使经验风险最小,但是期望风险≠经验风险,所以我们有时候不用选取那么复杂的模型。即正则化。

6.除了正则化,提前停止也可以降低泛化误差

也就是说在模型即将出现过拟合的时候,通过验证集检验提前停止。

4.线性回归

毅线性回归为一个例子,来进行机器学习

关键字:地方门户网站源码_net建站系统_自建站怎么推广_百度竞价防软件点击软件

版权声明:

本网仅为发布的内容提供存储空间,不对发表、转载的内容提供任何形式的保证。凡本网注明“来源:XXX网络”的作品,均转载自其它媒体,著作权归作者所有,商业转载请联系作者获得授权,非商业转载请注明出处。

我们尊重并感谢每一位作者,均已注明文章来源和作者。如因作品内容、版权或其它问题,请及时与我们联系,联系邮箱:809451989@qq.com,投稿邮箱:809451989@qq.com

责任编辑: