




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
機(jī)器學(xué)習(xí)簡(jiǎn)介OutlineWhatismachinelearning(ML)TypesofmachinelearningWorkflowPopularmodelsApplicationsFuturesWhatismachinelearningTrainingset(labelsknown)Testset(labelsunknown)f()=“apple”f()=“tomato”f()=“cow”WhatismachinelearningDefinitionMachinelearningreferstoasystemcapableoftheautonomousacquisitionandintegrationofknowledgeMachinelearningisprogrammingcomputerstooptimizeaperformancecriterionusingexampledataorpastexperienceComputerDataAlgorithmProgramKnowledgeKnowledge(new)WhatismachinelearningEverymachinelearningalgorithmhasthreecomponentsRepresentationModel(rules,statistics,instance;logic,KNN,SVM,DNN,…)EvaluationPerformance(accuracy,mse,energy,entropy,…)OptimizationParametersCombinatorialoptimizationConvexoptimizationConstrainedoptimizationTypesofmachinelearningSupervisedlearningTrainingdataincludesdesiredoutputsUnsupervisedlearningTrainingdatadoesnotincludedesiredoutputsSemi-supervisedlearningTrainingdataincludesafewdesiredoutputsReinforcementlearningRewardsfromsequenceofactionsTypesofmachinelearningSupervisedlearningClassification:discreteoutputRegression:continuousoutputBias-variance大家應(yīng)該也有點(diǎn)累了,稍作休息大家有疑問的,可以詢問和交流8TrainingandValidationDataFullDataSetTrainingDataValidationDataIdea:traineachmodelonthe“trainingdata”andthentesteachmodel’saccuracyonthevalidationdataUnderfitting&OverfittingPredictiveErrorModelComplexityErroronTrainingDataErroronTestDataIdealRangeforModelComplexityOverfittingUnderfittingTypesofmachinelearningUnsupervisedlearningClusteringDimensionalityreductionFactoranalysisTypesofmachinelearningSemi-supervisedlearningClusteringorclassificationTypesofmachinelearningReinforcementlearningRobot&controlWorkflowPredictionTrainingLabelsTrainingTrainingImageFeaturesImageFeaturesTestingTestImageLearnedmodelLearnedmodelSlidecredit:D.HoiemandL.LazebnikWorkflowFeaturesWorkflowModelsLogic,RulesStatistical,BlackboxmodelStatic,dynamicmodelOnlinelearningEnsemblelearningWorkflowArchitectureModelFeatureHardwarePopularmodelsLinearmodel:logisticregression,lineardiscriminantanalysis,linearregression(withbasisfunction)PopularmodelsNearestneighborFeature&distancePopularmodelsSupportvectormachinePopularmodelsArtificialneuralnetworkPopularmodelsDecisiontreePopularmodelsCollaborativefilteringPopularmodelsHierarchicalclusteringK-meansSpectralclusteringManifoldlearningPopularmodelsHiddenmarkovmodelConditionalrandomfieldsApplicationsApplicationsApplicationsApplicationsApplicationsApplicationsApplicationsApplicationsApplicationsAttentionApplicationsImageclassificationApplicationsApplicationsBrainmachineinterfaceApplicationsApplicationsApplicationsApplicationsApplication
溫馨提示
- 1. 本站所有資源如無(wú)特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 中國(guó)生物科技產(chǎn)業(yè)發(fā)展中的創(chuàng)新金融支持研究
- 糖尿病飲食與運(yùn)動(dòng)療法
- 移動(dòng)支付行業(yè)發(fā)展機(jī)遇及市場(chǎng)研究報(bào)告
- 量子點(diǎn)光刻膠材料的研究與發(fā)展現(xiàn)狀分析
- 幼兒軍事講堂活動(dòng)方案
- 幼兒剪紙活動(dòng)方案
- 店慶新店開業(yè)活動(dòng)方案
- 幼兒園停課居家活動(dòng)方案
- 幼兒園撿垃圾活動(dòng)方案
- 幼兒社區(qū)尋寶活動(dòng)方案
- 華為的科技創(chuàng)新生態(tài)系統(tǒng)構(gòu)建
- 危險(xiǎn)化學(xué)品安全管理課件
- 二手房交易承諾書范本
- 2023年貴州省青少年活動(dòng)中心事業(yè)單位招聘6人筆試參考題庫(kù)(共500題)答案詳解版
- 機(jī)械制造工藝學(xué)課程設(shè)計(jì)-張緊輪支架
- 產(chǎn)品供貨質(zhì)量保證措施方案
- 項(xiàng)目成本核算表格(全套)
- DTII(A)型帶式輸送機(jī)手冊(cè)
- 湘教版七年級(jí)下冊(cè)地理期末試卷-附答案
- 現(xiàn)代大學(xué)英語(yǔ)-第三版-精讀3-教師教案
- 教科版五年級(jí)下冊(cè)科學(xué)知識(shí)點(diǎn)整理
評(píng)論
0/150
提交評(píng)論