iT邦幫忙

第 11 屆 iThome 鐵人賽

DAY 1
0
Google Developers Machine Learning

Python + 機器學習/深度學習小筆記系列 第 1

[Day - 1] 機器學習概論(上)

https://ithelp.ithome.com.tw/upload/images/20190902/201196755NpNZtLoen.jpg

1.什麼是機器學習

Arthur Samuel (1959): 一門不需要通過外部程序指示而讓電腦有能力自我學習的學科

Tom Mickell (1997): “針對經驗E(experience) 和一系列的任務T (tasks) 和一定表現的衡量 P,如果隨著經驗E的積累,針對定義好的任務T可以提高表現P,就說電腦具有學習能力”

總之,機器學習是一個電腦程序,針對某個特定的任務,從經驗中學習,並且越做越好。

2.機器學習的要素

https://ithelp.ithome.com.tw/upload/images/20190902/2011967534Wwwg91Nc.jpg

數據
    經驗最終要轉換為電腦能理解的數據,這樣電腦才能從經驗中學習。誰掌握的數據量大、質量高,誰就占據了機器學習領域最有利的資本。
模型
    即算法,有了數據之後,可以設計一個模型,讓數據做為輸入來訓練這個模型。經過訓練的模型,最終就成了機器學習的核心,使得模型成為了能產生決策的中樞。

3.機器學習解決什麼問題

分類問題	---根據數據樣本上抽取出的特徵,判定其屬於**有限個類別**中的哪一個
    垃圾郵件識別 --- 垃圾郵件? 正常郵件 ?
    圖像識別 --- 貓? 狗? 老虎?
回歸問題 --- 根據數據樣本上抽取出的特徵,預測一個**連續值的結果**
    機器學習就是世界上最強的函數逼近器
    台北2個月後的房價
    電影的票房
聚類問題 --- 根據數據樣本上抽取出的特徵,讓**樣本抱抱團**(相近/相關的樣本在一團內)
    今日頭條的新聞分類
    用戶群體化分

下一篇
[Day - 2] 機器學習概論(下)
系列文
Python + 機器學習/深度學習小筆記30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言