机器学习基础讲座_第1页
机器学习基础讲座_第2页
机器学习基础讲座_第3页
机器学习基础讲座_第4页
机器学习基础讲座_第5页
已阅读5页，还剩11页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

机器学习基础讲座卢昊2025.5目录一、引言二、有监督学习三、无监督学习四、模型评估引言什么是机器学习？

-让计算机从数据中提取规律和模式

-数据+模型+算法-特征空间引言有监督学习-学习输入到输出的映射的统计规律-分类、回归无监督学习-学习数据中的统计规律或潜在结构-聚类、降维强化学习-学习最优的序贯决策有监督学习一、K近邻二、感知机三、支持向量机K-NearestNeighbor（KNN）核心：-利用数据集对特征向量空间进行划分要素：①K值选择-超参数②距离度量-Lp距离③分类决策规则-多数表决（考虑距离？）K-NearestNeighbor（KNN）Lp范数优势：无参数，无需训练劣势：计算量大Perceptron核心：-线性二分类模型找到一个超平面：SupportVectorMachines(SVM)核心：-间隔最大的线性二分类器找到一个超平面：思考：如何处理线性不可分问题？如何处理非线性分类问题？无监督学习一、聚类二、PCAK-meansclustering核心：-将相似的数据对象归为同一组，同时让不同组之间的对象尽可能不相似要素：距离度量的选择Lp距离余弦相似度…核聚类PrincipalComponentAnalysis(PCA)核心：-通过降维保留数据的主要特征，同时减少冗余信息模型评估HoldoutMethod(留出法)K-foldCross-Val

人人文库> 全部分类> 教育资料 > 辅导培训

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论