FAFU机器学习 3-1-4中文.pptxVIP

回归 回归基本上是分类，我们预测的是一个数字而不是类别。例如按里程计算的汽车价格，按时间计算的交通量，按公司增长计算的需求量等 无监督学习 无人监督发明的时间稍晚，在90年代。它的使用频率较低，但有时我们别无选择 标签化的数据是奢侈的。但是如果我想创建，比如说，一个总线分类器呢？我是不是应该手动拍摄街道上一百万辆他妈的公共汽车的照片，并给它们每一辆贴上标签？ 在这种情况下，资本主义还有一点希望。多亏了社会分层，我们有数百万像机械土耳其人一样的廉价工人和服务，他们准备以0.05美元完成你的任务。这里的事情通常都是这样做的 集群 “基于未知特征划分对象。机器选择最佳方式” 现在用的: 针对市场细分（客户类型，忠诚度） 合并地图上接近的点 用于图像压缩 来分析和标记新数据 来检测异常行为 常用算法:K-means_clustering，Mean-Shift，DBSCAN 降维 “将特定特性组装成更高级别的特性” 如今用于: 推荐系统（） 美丽的视觉效果 主题建模和相似文档搜索 假图像分析 风险管理 常用算法:主成分分析(PCA)，奇异值分解(SVD)，潜在Dirichlet分配(LDA)，潜在语义分析（LSA，pLSA，GLSA），t-SNE（用于可视化） 关联规则学习 “在订单流中寻找模式” 现在用: 预测销售和折扣 对一起购买的商品进行分析 把产品放在货架上 来分析网络冲浪模式 常用算法:Apriori，Euclat，FP-growth 内容 1 经典机器学习 2 3 4 什么是机器学习？ 集合方法 强化学习 5 深度学习 集合方法 “一堆愚蠢的树学会互相纠正错误” 如今用于: 所有适合经典算法的东西都接近（但工作得更好） 搜索系统（） 计算机视觉 目标检测 常用算法:随机森林，梯度提升 堆叠 多个并行模型的输出作为输入传递给最后一个模型，最后一个模型做出最终决策。 回归 回归基本上是分类，我们预测的是一个数字而不是类别。例如按里程计算的汽车价格，按时间计算的交通量，按公司增长计算的需求量等 无监督学习 无人监督发明的时间稍晚，在90年代。它的使用频率较低，但有时我们根本别无选择 Labeled data is luxury. But what if I want to create, lets say, a bus classifier? Should I manually take photos of million fucking buses on the streets and label each of them? Theres a little hope for capitalism in this case. Thanks to social stratification, we have millions of cheap workers and services like Mechanical Turk who are ready to complete your task for $0.05. And thats how things usually get done here. Clustering Divides objects based on unknown features. Machine chooses the best way“ Nowadays used: For market segmentation (types of customers, loyalty) To merge close points on a map For image compression To analyze and label new data To detect abnormal behavior Popular algorithms: K-means_clustering, Mean-Shift, DBSCAN Dimensionality Reduction Assembles specific features into more high-level ones“ Nowadays is used for: Recommender systems (★) Beautiful visualizations Topic modeling and similar document search Fake image analysis Risk management Popular algorithms: Principal Component Analysis (PCA), Singular Value Decomposition (SVD), Latent Dirichlet allocation (LDA