0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看威廉希尔官方网站 视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

机器学习是什么?10幅图带你详细的了解机器学习

Dbwd_Imgtec 来源:未知 作者:易水寒 2018-09-09 09:03 次阅读

以下的几幅图是我认为在解释机器学习基本概念时最有启发性的条目列表。

1. Test and training error: 为什么低训练误差并不总是一件好的事情呢:以模型复杂度为变量的测试及训练错误函数。

2. Under and overfitting: 低度拟合或者过度拟合的例子。多项式曲线有各种各样的命令M,以红色曲线表示,由绿色曲线适应数据集后生成。

3. Occam’s razor:为什么贝叶斯推理可以具体化奥卡姆剃刀原理。这张图给了为什么复杂模型原来是小概率事件这个问题一个基本的直观的解释。水平轴代表了可能的数据集D空间。贝叶斯定理以他们预测的数据出现的程度成比例地反馈模型。这些预测被数据D上归一化概率分布量化。数据的概率给出了一种模型Hi,P(D|Hi)被称作支持Hi模型的证据。一个简单的模型H1仅可以做到一种有限预测,以P(D|H1)展示;一个更加强大的模型H2,举例来说,可以比模型H1拥有更加自由的参数,可以预测更多种类的数据集。这也表明,无论如何,H2在C1域中对数据集的预测做不到像H1那样强大。假设相等的先验概率被分配给这两种模型,之后数据集落在C1区域,不那么强大的模型H1将会是更加合适的模型。

4. Feature combinations:(1)为什么集体相关的特征单独来看时无关紧要,这也是(2)线性方法可能会失败的原因。

5. Irrelevant features:为什么无关紧要的特征会损害KNN,聚类,以及其它以相似点聚集的方法。左右的图展示了两类数据很好地被分离在纵轴上。右图添加了一条不切题的横轴,它破坏了分组,并且使得许多点成为相反类的近邻。

6. Basis functions:非线性的基础函数是如何使一个低维度的非线性边界的分类问题,转变为一个高维度的线性边界问题。Andrew Moore的支持向量机SVM(Support Vector Machine)教程幻灯片中有:一个单维度的非线性带有输入x的分类问题转化为一个2维的线性可分的z=(x,x^2)问题。

7. Discriminative vs. Generative:为什么判别式学习比产生式更加简单:两类方法的分类条件的密度举例,有一个单一的输入变量x(左图),连同相应的后验概率(右图)。注意到左侧的分类条件密度p(x|C1)的模式,在左图中以蓝色线条表示,对后验概率没有影响。右图中垂直的绿线展示了x中的决策边界,它给出了最小的误判率。

8. Loss functions:学习算法可以被视作优化不同的损失函数:应用于支持向量机中的“铰链”错误函数图形,以蓝色线条表示,为了逻辑回归,随着错误函数被因子1/ln(2)重新调整,它通过点(0,1),以红色线条表示。黑色线条表示误分,均方误差以绿色线条表示。

9. Geometry of least squares:带有两个预测的最小二乘回归的N维几何图形。结果向量y正交投影到被输入向量x1和x2所跨越的超平面。投影y^代表了最小二乘预测的向量。

10. Sparsity:为什么Lasso算法(L1正规化或者拉普拉斯先验)给出了稀疏的解决方案(比如:带更多0的加权向量):lasso算法的估算图像(左)以及岭回归算法的估算图像(右)。展示了错误的等值线以及约束函数。分别的,当红色椭圆是最小二乘误差函数的等高线时,实心的蓝色区域是约束区域|β1| + |β2| ≤ t以及β12 + β22 ≤ t2。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 模型
    +关注

    关注

    1

    文章

    3243

    浏览量

    48834
  • 贝叶斯
    +关注

    关注

    0

    文章

    77

    浏览量

    12565
  • 机器学习
    +关注

    关注

    66

    文章

    8418

    浏览量

    132623

原文标题:【通俗易懂】10幅图解释机器学习中的基本概念

文章出处:【微信号:Imgtec,微信公众号:Imagination Tech】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    【下载】《机器学习》+《机器学习实战》

    `1.机器学习简介:机器学习是计算机科学与人工智能的重要分支领域. 本书作为该领域的入门教材,在内容上尽可能涵盖机器
    发表于 06-01 15:49

    最值得学习机器学习编程语言

    如果你对人工智能和机器学习感兴趣,而且正在积极地规划着自己的程序员职业生涯,那么你肯定面临着一个问题:你应该学习哪些编程语言,才能真正了解并掌握 AI 和
    发表于 03-02 06:22

    机器学习的基础内容

    学习,本文就介绍了机器学习的基础内容。提示:以下是本篇文章正文内容,下面案例可供参考一、pandas是什么?示例:pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任
    发表于 08-20 08:07

    机器学习的基础内容介绍

    学习,本文就介绍了机器学习的基础内容。提示:以下是本篇文章正文内容,下面案例可供参考一、pandas是什么?示例:pandas 是基于NumPy 的一种工具,该工具是为了解决数据分析任
    发表于 01-12 08:12

    机器学习的基础内容汇总

    人工智能的不断发展,机器学习这门威廉希尔官方网站 也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习
    发表于 02-28 06:12

    什么是机器学习? 机器学习基础入门

    是将提供的两个数字相乘。2。有了机器学习,我们就有了数据(输入)和答案(输出) ,并且需要计算机通过确定输入和输出如何以对整个数据集为真的方式相互关联来推导出一种排序算法假设我使用一个简单的示例来定义
    发表于 06-21 11:06

    一文解析机器学习常用35大算法

    本文将带你遍历机器学习领域最受欢迎的算法。系统地了解这些算法有助于进一步掌握机器学习。当然,本文
    的头像 发表于 06-30 04:24 3883次阅读
    一文解析<b class='flag-5'>机器</b><b class='flag-5'>学习</b>常用35大算法

    详细阐述机器学习及基本概念

    《《机器学习导论》第1章绪论,本章详细地讨论一些应用领域的例子,以进一步深入了解机器学习的类型和
    的头像 发表于 07-07 09:05 4980次阅读

    机器学习教程之机器学习10大经典算法的详细资料讲解

    本文档的主要内容详细介绍的是机器学习教程之机器学习10大经典算法的
    发表于 12-14 15:03 25次下载

    什么是机器学习机器学习到底有什么重要性详细资料说明

    在本篇文章中,我将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解
    的头像 发表于 03-03 10:13 7813次阅读

    机器学习的基础知识详细说明

    本文档的主要内容详细介绍的是机器学习的基础知识详细说明。
    发表于 03-24 08:00 0次下载
    <b class='flag-5'>机器</b><b class='flag-5'>学习</b>的基础知识<b class='flag-5'>详细</b>说明

    机器学习算法使用机器了解给定的数据集

    机器学习一词经常与AI互换使用,尽管有明显的区别。机器学习算法使用机器了解给定的数据集。
    的头像 发表于 09-16 17:05 2227次阅读

    机器学习和深度学习的区别

    机器学习和深度学习的区别 随着人工智能威廉希尔官方网站 的不断发展,机器学习和深度学习已经成为大家熟知的两个术
    的头像 发表于 08-17 16:11 4239次阅读

    机器学习算法入门 机器学习算法介绍 机器学习算法对比

    机器学习算法入门 机器学习算法介绍 机器学习算法对比 机器
    的头像 发表于 08-17 16:27 955次阅读

    机器学习theta是什么?机器学习tpe是什么?

    机器学习theta是什么?机器学习tpe是什么? 机器学习是近年来蓬勃发展的一个领域,其相关威廉希尔官方网站
    的头像 发表于 08-17 16:30 1965次阅读