앤드류 응 "기계 학습"코스 요약 (19) _ 요약

(1) 알고리즘에 관한

1.지도 학습 : 선형 회귀 분석, 로지스틱 회귀 분석, 신경망, SVM.

선형 회귀 (이하, 세 번째 라인 X 0 (I) 실제로는 1, 제거 될 수 있음)

로지스틱 회귀

신경망 (프레임 작성 역방향 전파되기 전에 자동으로 계산한다)

SVM

2. 자율 학습 : 클러스터링 (K-평균) 차원 축소 (PCA)

K-평균

PCA

3. 이상 감지

4. 권장 시스템

(2) 전략

1. 편차 및 분산, 정규화

인간의 편차 (단순성과)의 최고 레벨 트레이닝 에러를 감산되어, 교차 검증 에러 세트 트레이닝 오차의 분산 (overfitting) 감소;

정규화 분산되지 (θ)에 대한 문제를 해결 0 정규화하는 단계;

2. 학습 곡선

관찰 편견과 분산의 전체 프로세스, 그것은 더 포괄적이다.

3. 오류 분석

오류를 찾는 이유는 어떤 종류의 시간을 보낼 수있는 가장 큰, 가장 좋은 장소를 일으켰습니다.

4. 평가 방법

하나의 평가 지표, 적합하지 클래스 스큐 정확도, 정밀도의 사용을 확인하고 결정에 속도를 리콜

시야각의 정확성 (얼마나 많은 샘플 양성 양성 샘플의 예측)을 예측하고, 샘플 시각 리콜이다 (양의 샘플 개수가 예측 될)

F1 = 2 (금) / (F + RI)

데이터 세트의 분할

,, 모델의 교차 검증 세트 / 파라미터 조정, 최종 평가에 사용되는 테스트 세트 스크리닝 훈련 모델 트레이닝 세트.

6. 상한

모든 단계는 출력이 올바른지 가정, 숫자의 정확성을 개선하고 가장 높은 곳은 즉시 해결 시간을 보낼 수있는 최고의 장소입니다 향상시킬 수 있습니다.

(3) 적용

1.OCR

감지, 세분화, 식별, 지금은 자주, 직접 시퀀스 식별을 구분하지합니다.

2. 대규모 기계 학습

작은 훈련 방법의 수량 및 병렬 컴퓨팅의 사용.

추천

출처www.cnblogs.com/henuliulei/p/11290643.html