15个不可不知的关于机器学习的概念.docxVIP

15个不可不知的关于机器学习的概念 TOC \o 1-5 \h \z 01有监督学习 2 02无监督学习 2 03半监督学习 2 04强化学习 2 05深度学习 2 06神经网络 3 07卷积神经网络 3 08模型评估 3 09准确率 3 10精度 4 11召回率 4 F1度量 4 AUR0C 5 14过拟合与欠拟合 5 15模型选择 5 01有监督学习 有监督学习是利用训练数据集进行预测的机器学习任务。有监督学习可以分 为分类和回归。回归用于预测“价格”“温度”或“距离”等连续值，而分类用 于预测“是”或“否”、“垃圾邮件”或“非垃圾邮件”、“恶性”或“良性” 等类别。 分类包含三种类型的分类任务：二元分类、多类别分类和多标签分类。回归 中包含线性回归和生存回归。 02无监:学习 02 无监 :学习 无监督学习是一种机器学习任务，它在不需要标记响应的情况下发现数据集 中隐藏的模式和结构。当你只能访问输入数据，而训练数据不可用或难以获取时, 无监督学习是理想的选择。常用的方法包括聚类、主题建模、异常检测、推荐和 主成分分析。 03半监，:学习 03 半监， :学习 在某些情况下，获取标记数据是昂贵且耗时的。在响应标记很少的情况下, 半监督学习结合有监督和无监督学习技术进行预测。在半监督学习中，利用未标 记数据对标记数据进行扩充以提高模型准确率。 04强化学习 强化学习试图通过不断