机器学习的分类
1、监督学习:表示机器学习的数据是带标记的,这些标记可以包括数据类别、数据属性及特征点位置等。这些标记作为预期效果,不断修正机器的预测结果。具体实现过程是:通过大量带有标记的数据来训练机器,机器将预测结果与期望结果进行比对;之后根据比对结果来修改模型中的参数,再一次输出预测结果;然后将预测结果与期望结果进行比对,重复多次直至收敛,最终生成具有一定鲁棒性的模型来达到智能决策的能力。
常见的监督学习有分类和回归:分类(Classification)是将一些实例数据分到合适的类别中,它的预测结果是离散的。回归(Regression)是将数据归到一条“线”上,即为离散数据生产拟合曲线,因此其预测结果是连续的。
2、无监督学习:表示机器学习的数据是没有标记的。机器从无标记的数据中探索并推断出潜在的联系。常见的无监督学习有聚类和降维。在聚类(Clustering)工作中,由于事先不知道数据类别,因此只能通过分析数据样本在特征空间中的分布,例如基于密度或基于统计学概率模型等,从而将不同数据分开,把相似数据聚为一类。降维(Dimensionality Reduction)是将数据的维度降低。例如描述一个西瓜,若只考虑外皮颜色、根蒂、敲声、纹理、大小及含糖率这6个属性,则这6个属性代表了西瓜数据的维度为6。进一步考虑降维的工作,由于数据本身具有庞大的数量和各种属性特征,若对全部数据信息进行分析,将会增加训练的负担和存储空间。因此可以通过主成分分析等其他方法,考虑主要影响因素,舍弃次要因素,从而平衡准确度与效率。
3、强化学习:是带有激励机制的,具体来说,如果机器行动正确,将施予一定的“正激励”;如果行动错误,同样会给出一个惩罚(也可称为“负激励”)。因此在这种情况下,机器将会考虑如何在一个环境中行动才能达到激励的最大化,具有一定的动态规划思想。
4、深度学习:深度学习是新兴的机器学习研究领域,旨在研究如何从数据中自动地提取多层特征表示,其核心思想是通过数据驱动的方式,采用一系列的非线性变换,从原始数据中提取由低层到高层、由具体到抽象、由一般到特定语义的特征。深度学习不仅改变着传统的机器学习方法,也影响着人类感知的理解,迄今已在语音识别、图像理解、自然语言处理和视频推荐等应用领域引发了突破性的变革。
-
是先擦防晒还是先擦隔离
一般要先涂抹隔离之后才能再涂抹防晒。因为涂抹隔离霜的主要目的就是为了防止肌肤跟化妆品的直接接触,避免肌肤有过敏的情况。而且再涂完隔离之后,能先给肌肤补充水分,这样在之后的上妆过程当中,能够防止很多别的化妆品对肌肤造成刺激。而且这样能把肌肤跟外界隔离...
-
空气刘海需要烫吗
空气刘海需要烫。空气刘海的特点就是“有空气感、蓬松感、轻盈感”,但这些特点都需要通过定型来实现,而烫发就是一种永久性的定型方式,所以空气刘海需要采用烫发的方式来定型。当然,如果过只是一次性的,不想烫发的,也可以用吹风吹,但这种的效果保持度不是很高,沾水或者...
-
面部如何隔离油烟
面部隔离油烟方法:1、及时开启抽油烟机。2、给厨房通风,保证厨房的空气流通。3、做完饭马上给肌肤做个清洁,避免油烟污染长时间停留在脸上。4、每周至少做1-2次深层去角质,预防面部色素沉淀、肤色暗哑。油烟中含有焦油、丙烯醛、苯、甲醛、巴豆醛等多种有害的致癌...
-
颗粒绒大衣掉毛正常吗
颗粒绒大衣掉毛正常。因为在制作颗粒绒大衣的时候,需要进行剪毛处理,所以会留下很多的浮毛,穿的时候也会出现掉毛现象,但穿的次数多了,掉毛现象也会逐渐减轻。颗粒绒大衣是通过针织、拉毛、梳毛、剪毛、摇粒等多种复杂工艺整理而成。所以,这种绒面纹理清晰而且膨松,其...