Uploaded bydreampuf

KEY, PDF486 views

Machine learning share No.1

本文介绍了机器学习的基本概念和学习算法。内容包括监督学习和无监督学习的不同方法，以及机器学习过程中的数据采集、准备、分析和测试步骤。还提供了一些推荐的学习资源和书籍。

Technology◦Education◦

How

• 选择训练经验
• 选择目标函数
• 选择目标函数的表示
• 选择函数近算法

Steps
• 采集数据
• 准备输入数据
• 分析数据
• 训练算法
• 测试（评估）算法

Resource
• Tom M. Michell : Machine Learning(2003)
• Peter Harrington :
Machine Learning in action (2012)
• Drew Conway & Jbn Myles Wbite
Machine Learning for Hackers(2012)
• Andrew Ng : http://www.ml-class.org

Machine learning share No.1

1.
Machine Learning 学习分享（一） Dreampuf Apr. 2012
2.
Outline • What isMachine Learning • How to Learning • Learning Algorithm
3.
What
4.
What P =E*T/t T: 任务, E: 经验, P: 效率度量
5.
How to Learning
6.
How • 选择训练经验 • 选择目标函数 •选择目标函数的表示 • 选择函数近算法
7.
程序流程输入数据机器学习新数据估计函数新估计
8.
最终设计
9.
Steps • 采集数据 • 准备输入数据 •分析数据 • 训练算法 • 测试（评估）算法
10.
ML-wordle
11.
Learning Algorithm • 有监督学习 •无监督学习
12.
Supervised learning
13.
k-Nearest Neighbors
14.
Naive Bayes
15.
Unsupervised learning
16.
k-Means
17.
Resource • Tom M.Michell : Machine Learning(2003) • Peter Harrington : Machine Learning in action (2012) • Drew Conway & Jbn Myles Wbite Machine Learning for Hackers(2012) • Andrew Ng : http://www.ml-class.org

Editor's Notes

#2 &#x673A;&#x5668;&#x5B66;&#x4E60; &#x5B66;&#x4E60;&#x5206;&#x4EAB;&#xFF08;&#x4E00;&#xFF09;Dreampuf(soddyque@gmail.com)\n
#3 &#x672C;PPT&#x4E3B;&#x8981;&#x5305;&#x542B;&#x5982;&#x4E0B;&#x5185;&#x5BB9;&#xFF1A;\n- &#x4EC0;&#x4E48;&#x662F;&#x673A;&#x5668;&#x5B66;&#x4E60;\n- &#x5982;&#x4F55;&#x8FDB;&#x884C;&#x201C;&#x5B66;&#x4E60;&#x201D;\n- &#x5B66;&#x4E60;&#x7B97;&#x6CD5;\n
#4 &#x4EC0;&#x4E48;&#x662F;&#x673A;&#x5668;&#x5B66;&#x4E60;&#xFF1F;\n&#x56FE;&#x4ECE;&#x4E0A;&#x5F80;&#x4E0B;&#xFF0C;&#x4ECE;&#x5DE6;&#x5F80;&#x53F3;&#x4F9D;&#x6B21;&#x662F;&#x4EBA;&#x8138;&#x8BC6;&#x522B;&#xFF0C;&#x5149;&#x5B66;&#x5B57;&#x7B26;&#x8BC6;&#x522B;&#xFF08;OCR&#xFF09;&#xFF0C;&#x5546;&#x54C1;&#x63A8;&#x8350;&#xFF0C;&#x90AE;&#x4EF6;&#x8FC7;&#x6EE4;&#x3002;\n&#x4ED6;&#x4EEC;&#x7684;&#x5171;&#x540C;&#x4E4B;&#x5904;&#xFF1F;\n&#x9700;&#x8981;&#x6709;&#x4E00;&#x5B9A;&#x7684;&#x77E5;&#x8BC6;&#x79EF;&#x7D2F;&#xFF08;&#x53C2;&#x6570;&#xFF09;&#xFF0C;&#x77E5;&#x8BC6;&#x7684;&#x79EF;&#x7D2F;&#x662F;&#x9700;&#x8981;&#x51C6;&#x5907;&#x3002;\n&#x4E0D;&#x540C;&#x4E4B;&#x5904;&#xFF1F;\n&#x8F93;&#x5165;&#x4E0D;&#x540C;&#xFF0C;&#x8F93;&#x51FA;&#x7ED3;&#x679C;&#x4E5F;&#x4E0D;&#x4E00;&#x6837;&#x3002;\n
#5 &#x673A;&#x5668;&#x5B66;&#x4E60;&#x5C31;&#x662F;&#x5728;&#x5BF9;&#x771F;&#x5B9E;&#x60C5;&#x51B5;&#x4E0B;&#x95EE;&#x9898;&#x6A21;&#x578B;&#x7684;&#x903C;&#x8FD1;&#x3002;&#x65E0;&#x6CD5;&#x505A;&#x5230;&#x5B8C;&#x5168;&#x771F;&#x5B9E;&#xFF0C;&#x90A3;&#x4E48;&#x6211;&#x4EEC;&#x5C31;&#x9009;&#x62E9;&#x8FD1;&#x4F3C;&#x7684;&#x4E00;&#x4E2A;&#x6A21;&#x578B;&#x3002;\n&#x5047;&#x8BBE;&#x4E0E;&#x771F;&#x5B9E;&#x60C5;&#x51B5;&#x7684;&#x8BEF;&#x5DEE;&#x53EB;&#x505A;&#x98CE;&#x9669;&#x3002;\n
#6 \n
#7 \n
#8 \n
#9 \n
#10 \n
#11 \n
#12 \n
#13 \n
#14 \n
#15 \n
#16 \n
#17 \n
#18 \n

Machine learning share No.1

More Related Content

Featured

Machine learning share No.1

Editor's Notes