iT邦幫忙

0

課堂筆記 - 深度學習 Deep Learning (3)

簡單了解前導知識後就是正式進入機器學習的幾種模式>>

  • Types Of Learning

1.Supervised Learning:Training data with output labels.
訓練機器學習時提供正確答案,依照輸出的資料類型分為兩種:
Classification: output labels are categories values.
Regression: output labels are numeric values.

2.Unsupervised Learning:Training data without output labels.
不提供正確答案,將資料進行分組:Clustering (grouping similar instances).

3.Reinforcement Learning:Training algorithms receive no supervised output labels but use delayed reward and punishment to learn best actions.
不提供正確解答,但是將依照成果給予獎勵或懲罰,以此來讓機器學習。

表格化介紹以上三種學習模式:
https://ithelp.ithome.com.tw/upload/images/20211024/20142783EYGfPRFX9r.png

  • Components of Learning

組成機器學習的元素:輸入、輸出、目標函式、資料、假設(Hypothesis)

舉例來說,如果要利用收入和儲蓄的數據來看是否核發信用卡的話:
輸入:收入、儲蓄 X[x1,x2]
輸出:是/否 (y)
目標函式:f(X)=y
資料:以前的數據(X1,y1)、(X2,y2)...(Xn,yn)
假設函式:g(X)=y

機器學習的目的是找到假設的函式使它趨近於未知的目標函式,
於是先以現有的資料代入演算法A,得出假設的函式後再預測輸入值H的輸出為何。

可以得知組成一個學習模型的兩個要素:完成學習的演算法A待預測的輸入值H

學習模型也分為訓練階段測試階段
https://ithelp.ithome.com.tw/upload/images/20211024/20142783zPEd7lNoK9.png

學習模型因為演算法的不同所以可以分為很多種,介紹三個較為常見的Model類別:

1.Linear Model,演算法:如PLA (線性分類)
https://ithelp.ithome.com.tw/upload/images/20211024/20142783Qe70cVJzYx.png
https://ithelp.ithome.com.tw/upload/images/20211024/201427834qpTX6VRmX.png

2.Rule-Based Model ,演算法:如ID3 (有規則可循)
https://ithelp.ithome.com.tw/upload/images/20211024/20142783UImU1Eqc14.png
https://ithelp.ithome.com.tw/upload/images/20211024/20142783wyqVltjTDq.png

3.Instance-Based Model,演算法:如1NN (看鄰居答案之後照抄)
https://ithelp.ithome.com.tw/upload/images/20211024/20142783FLe2lYXWrr.png
https://ithelp.ithome.com.tw/upload/images/20211024/20142783sLeS1fRzts.png
注意:在查詢之前資料會一直放在序列中等待,是一個懶惰的演算法


尚未有邦友留言

立即登入留言