千元低价网站建设,付费链接生成软件,做网站都是用源码么,乐清市亿新软件科技有限公司科学、技术、工程、应用 科学#xff1a;是什么、为什么技术#xff1a;怎么做工程#xff1a;怎样做的多快好省应用#xff1a;怎么使用 定义 机器学习#xff1a;利用经验改善系统自身的性能。 研究 智能数据分析#xff08;数据分析算法#xff09; 典型的机器…科学、技术、工程、应用 科学是什么、为什么技术怎么做工程怎样做的多快好省应用怎么使用 定义 机器学习利用经验改善系统自身的性能。 研究 智能数据分析数据分析算法 典型的机器学习过程 利用训练数据按照某种学习算法训练出模型利用模型预测新的样本数据的标签。 计算学习理论 为什么不追求误差为0为什么要使用概率P而不是一个绝对的结果 机器学习一般用于解决不确定规则的问题从数据中总结出一定的规则具有很强的不确定性。 P问题在多项式时间内找到问题的解。 NP问题给定n个解在多项式时间内判断是不是问题的解。 千禧难题PNP 我们怎么样在多项式时间内给出最佳结果或者如何判断某个解是不是最优的 如果我们去误差为0和绝对那么要求我们每一次都能得到确定的最佳答案。 归纳和演绎 归纳就是从个别到一般是从多个个别的事物中获得普遍的规则例如黑马、白马可以归纳为马 演绎则是从一般到个别是从普遍性规则推导出个别性规则例如基于一组公理和推理规则推导出与之相洽的定理。 假设空间和版本空间 或者西瓜数据集 假设空间所有有可能的西瓜属性值的西瓜样本。 版本空间与训练集一致的假设集合。 基本术语 假设学得模型对应了关于数据的某种潜在规则。属性、样本、输入空间属性张成的空间。标记空间标记的集合。泛化能力学得模型适用于新样本的能力。 归纳偏好 奥卡姆剃刀原则若非必要勿增实体。选最简单的更平滑的 若有多个假设与观察一致则选最简单的那个。 NFL 没有免费的午餐 泛化能力 思考 机器学习和深度学习的区别 个人认为 深度学习是机器学习的一个子集都是利用现有数据总结经验的过程。机器学习一般泛指支持向量机、决策树等不需要利用神经网络的模型而深度学习一般是CNN、RNN等含有深层神经网络的模型。 查找资料 总结 深度学习是机器学习的一个子集但是一般而言机器学习一般指支持向量机、决策树等算法模型深度学习一般是指CNN、RNN等模型。 两个的区别主要在于 1.数据量深度学习往往需要大量数据机器学习不是 2.硬件依赖性深度学习需要使用GPU进行大量的矩阵运算 3.特征工程机器学习的属性类别往往需要人工编码而深度学习可以挖掘出数据的深层特征。例如对于猫狗分类任务而言机器学习需要人工总结一些属性例如是否有胡须、是否有耳朵等而深度学习对复杂概念进行连续层次识别最终找到答案无需人工寻找属性。