机器学习

解说:机器学习、监督学习、非监督学习、强化学习、深度学习、迁移学习

机器学习的主要任务:分类(classification):将实例数据划分到合适的类别中。回归(regression):主要用于预测数值型数据。机器学习可以分为三种形式:监督学习、非监督学习、强化学习。

人工智能和机器学习是影响融入移动应用开发的?

近年以来,计算机技术的发展越来越快,人类的生活开创了一个新的时代—开发强大的计算机系统,通过使用适当的设备,将其移动应用程序实施到全球所有垂直领域,无论是医学,教育,还是商业等等。

深度学习和传统机器学习的差别

是否需要人工构造特征,这应该是深度学习和传统机器学习的最明显的差异。feature engining是传统机器学习中的一个重要组成部分,sift,hog,wavelet等都是解决如何描述数据的问题。深度学习兴起后,feature engining的研究几乎停滞,而end-to-end成为一个新兴的研究方向。

机器学习中的方差、偏差和噪声

机器学习算法一般都会有训练和测试的过程,而且算法在不同训练集上学得的模型,测试的结果也很可能不同。一般来说,算法的方差衡量了训练集的变动导致的模型性能的变化,即多次训练的模型之间的性能差异性。偏差则是度量算法的期望输出与真实标记的区别,表达了学习算法对数据的拟合能力。而噪声则表示数据的真实标记与数据在数据集上标记的区别,表明算法在当前任务上能达到的测试误差的下界。