以下不属于机器学习的内容有

储宏
导读 大家好,乐天来为大家解答以下的问题,关于以下不属于机器学习的内容有这个很多人还不知道,现在让我们一起来看看吧!1、目前机器学习主流分

大家好,乐天来为大家解答以下的问题,关于以下不属于机器学习的内容有这个很多人还不知道,现在让我们一起来看看吧!

1、目前机器学习主流分为:监督学习,无监督学习,强化学习。

2、监督学习:监督学习可分为“回归”和“分类”问题。

3、在回归问题中,我们会预测一个连续值。

4、也就是说我们试图将输入变量和输出用一个连续函数对应起来;而在分类问题中,我们会预测一个离散值,我们试图将输入变量与离散的类别对应起来。

5、每个数据点都会获得标注,如类别标签或与数值相关的标签。

6、一个类别标签的例子:将图片分类为「苹果」或「橘子」;数值标签的例子如:预测一套二手房的售价。

7、监督学习的目的是通过学习许多有标签的样本,然后对新的数据做出预测。

8、例如,准确识别新照片上的水果(分类)或者预测二手房的售价(回归)。

9、无监督学习:在无监督学习中,我们基本上不知道结果会是什么样子,但我们可以通过聚类的方式从数据中提取一个特殊的结构。

10、在无监督学习中给定的数据是和监督学习中给定的数据是不一样的。

11、数据点没有相关的标签。

12、相反,无监督学习算法的目标是以某种方式组织数据,然后找出数据中存在的内在结构。

13、这包括将数据进行聚类,或者找到更简单的方式处理复杂数据,使复杂数据看起来更简单。

14、强化学习:Alphago用的就是强化学习,强化学习是一种学习模型,它并不会直接给你解决方案——你要通过试错去找到解决方案。

15、强化学习不需要标签,你选择的行动(move)越好,得到的反馈越多,所以你能通过执行这些行动看是输是赢来学习下围棋,不需要有人告诉你什么是好的行动什么是坏的行动。

16、给我影响最深的就是参加混沌大学的线下课,是AI的重量级人物Michael I. Jordan讲的,其中有一段视频是一个模拟的人,利用强化学习的算法,从站不起来到最后能够正常跑步的过程,而且真正实现的代码连100行都不到,一页ppt而已。

17、总结:目前用到最多是监督学习和无监督学习,尤其是监督学习,因为应用场景多能给公司创造直接价值,如果找工作可以多关注。

18、但是强化学习是未来,因为能学习到的能力没有数据限制。

本文分享完毕,希望对大家有所帮助。

标签:

免责声明:本文由用户上传,如有侵权请联系删除!