Machine Learning Course-CS 156 笔记 1

xiaoxiao2021-02-28  28

Lecture 1 :The Learning Problem

视频地址:https://www.youtube.com/watch?v=mbyG85GZ0PI

Lecture 1 The Learning Problem 示例学习的组成部分一个简单的学习算法感知机PLA学习的分类Puzzle


示例

预测用户对电影的评分

机器学习的本质:

存在pattern不能用数学方法完成(所以需要学习)拥有数据

学习的组成部分

比喻:银行借贷的信用评价

申请人信息:

年龄性别年薪定居时间债务…23岁男$300001年$15000…

公式化:

输入: x (客户信息) 输出: y (客户好/坏)目标函数: f:XY (理想的信用评估公式) 所有机器学习问题里,目标函数是未知的

数据: (x1,y1),(x2,y2),...,(xN,yN) (历史数据)

假设: g:XY (将使用的公式)

解决部分:

假设集合 H={h}gH

学习算法

二者在一起成为了算法模型


一个简单的学习算法——感知机PLA:

对于输入 x=(x1,...,xd) (用户的属性)

i=1dwixi>threshold

i=1dwixi<threshold

线性公式 hH 可写为:

h(x)=sign((i=1dwixi)threshold)

改写为:

h(x)=sign((i=1dwixi)+w0) 引入 x0=1 : h(x)=sign(i=0dwixi) 向量形式: h(x)=sign(wTx)

对于一个误分类点,即 sign(wTxn)yn ,更新权重 ww+ynxn


学习的分类

学习的基本前提:

using a set of observations to uncover an underlying process

监督学习(input,correct output)非监督学习(input,?)强化学习(input, some output,grade for this output)

Puzzle

转载请注明原文地址: https://www.6miu.com/read-2450374.html

最新回复(0)