一、什么是机器学习
(一)
- 对于给定的任务T,在合理的性能度量方案P的前提之下,某计算机程序可以自主学习任务T的经验E;随着提供合适、优质、大量的经验E,该程序对于任务T的性能逐步提高。
- 机器学习是人工智能的一个分支。我们使用计算机设计一个系统,使他能够根据提供的训练数据按照一定的方式来学习;随着训练次数的增加,该系统可以在性能上不断学习和改进;通过参数优化的学习模型,能够用于预测相关问题的输出。
(二)这里最重要的是机器学习的对象:
- 任务Task,T,一个或者多个
- 经验Experience,E
- 性能Performance,P
即随着任务的不断执行,经验的积累回来带来计算性能的提升
二、机器学习的分类
- 有监督学习
- 无监督学习
- 增强学习
三、机器学习的内涵和外延
给定数据的预测问题
- 数据清洗/特征选择
- 确定算法模型/参数优化
- 结果预测
不能解决
- 大数据存储/并行计算
- 做一个机器人
三、机器学习的一般流程
数据收集--》数据清洗--》特征工程--》数据建模
四、导数
- 简单来说,导数就是曲线的斜率,是曲线变化快慢的反应
- 二阶导数是斜率变化快慢的反应,表征曲线凸凹性
(1)二阶导数连续的曲线,往往称之为“光顺的”
(2)加速度的方向总是指向轨迹曲线凹的一侧
- Taylor公式-Maclaurim公式
- 方向导数
如果函数z=f(x,y)在点P(x,y)是可微分的,那么,函数在该点沿着任一方向L的方向导数都存在,且有:
其中,Ψ是x轴到方向L的转角。
- 梯度
设函数z=f(x,y)在平面区域D内具有一阶连续偏导数,则对于每一个点P(x,y)€D,向量
为函数z=f(x,y)在P点的梯度,记作gradf(x,y)
梯度的方向是函数在该点变化最快的方向
- 凸函数
若函数f的定义域dmof为凸集,且满足
资料来源:小象学院 邹博 仅供学习研究
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:机器学习笔记(一)机器学习与数学分析 - Python技术站