機器學習(二)-基本概念

1 數據集

在機器學習和模式識別等領域中，通常須要將樣本分紅獨立的三部分訓練集（train set），驗證集（validation set ) 和測試集（test set）。其中訓練集用來估計模型，驗證集用來調超參數，測試集用來測試模型準確度。

1.1 訓練集

• 訓練集用來估計模型；
• 訓練集佔總樣本的50%

1.2 開發集(驗證集)

• 驗證集用來肯定網絡結構或者控制模型複雜程度的參數
• 驗證集佔總樣本的25%

1.3 測試集

• 測試集則檢驗最終選擇最優的模型的性能如何
• 測試集佔總樣本的25%

1.4 簡單的機器學習流程

2 經常使用的機器學習算法介紹

• 分類算法：有監督, 舉例：貓狗分類
• 迴歸算法：有監督, 舉例：房價預測
• 聚類算法：無監督, 舉例：新聞分類
• 降維算法： 數據處理
• 模型選擇算法： 算法的選擇和參數調試所用到的技術
• 預處理算法： 特徵提取和歸一化

3 有監督機器學習和無監督機器學習

3.1 有監督機器學習

• 咱們要教會計算機作某些事情
• 定義：咱們給算法一個數據集，其中包含了正確答案，算法的目的就是給出更多的正確答案
• 有監督機器學習例子：分類

3.2 無監督機器學習

• 讓計算機本身去作某些事情
• 定義: 咱們給算法一個數據集，可是不給他正確答案，而讓計算機本身去學習
• 無監督機器學習例子：聚類(預測鳶尾花卉)

Iris（鳶尾花）數據集是多重變量分析的數據集。每行數據包含4個屬性：Sepal Length（花萼長度）、Sepal Width（花萼寬度）、Petal Length（花瓣長度）和Petal Width（花瓣寬度）。可經過這4個屬性預測鳶尾花卉屬於種類（Setosa，Versicolour，Virginica）中的哪一類。具體分爲幾類， 分析前是不知道的。

4 機器學習與人類學習

• 有了機器學習，咱們還須要人爲經驗的干預嗎？