机器学习01-基本概念


没有免费午餐定理 (No Free Lunch Theorem)

内容:如果我们不对特征空间有先验假设,则所有算法的平均表现是一样的。

我们认为:特征差距小的样本更有可能是统一类。

总结:算法的优劣,与特征空间的假设有关,与具体情况有关。机器学习领域,没有所谓的最好的算法。

机器学习算法种类

  1. 有监督学习(数据+标签):SVM(支持向量机),神经网络
  2. 无监督学习(只有数据,没有标签):CLUSTERING,EM算法,PCA
  3. 半监督学习(数据一部分有标签,一部分没有)
  4. 增强学习(Reinforcement learning,与上面三个预测标签不同,更关注最后的结果)

根据标签的性质不同分为:

  1. 聚类(Classification):标签的值是离散的
  2. 回归(Regression):标签的值是连续的

注意 这两种分类没有特别明显的区别。


文章作者: Holger
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 Holger !
评论
  目录