ML机器学习理解

1.什么是机器学习

2.

3.为什么要机器学习

(2)

作用:寻找数据之间的隐秘关联,对真值与目标属性进行聚类或者回归

分类:有监督、无监督、半监督;离散型、连续型

有监督:有真值,数据分组:训练与测试,训练所得到的模型在实际测试值的时候会有差错,那么就应该对其进行调整,但本质原因是我们搜集到的数据无法避免的包含其他因素;另外,训练的不理想结果也是有两个:欠拟合与过拟合

欠拟合:显著偏离真实值的模型,——模型需要复杂化

过拟合:与训练数据拟合较好的模型,但不能很好的推广到不可见数据——算法简单化(正则化算法)

(3)

优点:解决非ML算法无法结局的问题,提供非ML算法不具备的优势

重要特征:将模型与数据分离,以适应不同的业务场景或相同的业务案例,但具有不同的上下文

目前:需要一种整体的方法来改进模型,而不是逐利修补模型。因为模型对我们而言是非直观的

,我们难以对模型做出解释或者推理(最先进模型 PesNet)

上一篇:NLP、ML/DL等基础概念


下一篇:ML:互联网人工智能岗位求职之机器学习算法工程师必备知识框架结构