1.2 [what is machine learning?]
1.人:observation -->  learing  -->  skill
机器:data --> ML --> improved performance measure /skill
2.什么情况下适合使用机器学习:
(1)some 'underlying pattern' to be learned
(2)not easy(programmable) definition :不是很容易写出一些规则去处理
(3)data about the pattern : inputs
3.example(best suited ML):
(1)预测婴儿在下一次哪个时间点会哭?  no:  (1)no pattern
(2)判断一个图像中是否包含圆形?  yes   no: (2)很容易写definitioin/program
(3)判断是否给一个用户发放信用卡?  yes  :(1)user behavior (2)not easily program(3)data
(4)地球是否hi在未来十年因为滥用核能而毁灭? no: (3)no data yet

1.3[applications of ML]
1.Food(某家餐厅是否会引起食物中毒)
data:twitter+location
skill:tell food poisoning likeliness of restaurant
2.Clothing
data:sales figures销售数据 + client surveys顾客喜好
skill:give good recommendations to clients
3.Housing
data:characteristics of building and their energy load耗能状况
skill:predict energy load of other buildings closely
4.transportation
data:traffic sign images and meanings交通标志
skill:recognize traffic signs accurately
 5.Education
data:students' records on quizzes on a math tutoring system
skill:predict whether a student can give a correct answer to another quiz question
 
answer correctly~~[recent strength of student > difficulty of question]
data:9 million records from students
ML determines(reverse-engineers)  strength and difficult auto
6.Entertainment
data:how many users have rated some movies
skill:predict how a user would rate an unrated movie
 
data: 1亿 ratings that 480,189 users gave to 17,770 movies(Netflix 线上租赁DVD)
 1.4Formalize the learning problem
input:x->X
output:y->Y
f:X->Y
data: D{(x1,y1),(x2,y2),,,}
hypothesis -> skill  g:x->y
 
{(x n , y n )} from f  -->ML-->  g
A:algorithm
H:hypothesis     利用A从H的众多假设里选择一个最接近f的g.
 
1.5data mining数据挖掘/AI:Artificial Intelligence/Statistics
DM :use huge data to find property that is interesting
ML = DM(KDDCups)
AI:
ML can realize AI,
eg. 下棋:(传统方法:game tree; ML: learning from board data)
Statistics:use data to make inference about unknown process
    g is an inference outcome(预测推论的结果) ;f is something unknown

statistics can be used to achieve ML

[what is machine learning?]的更多相关文章

  1. 数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)的区别是什么? 数据科学(data science)和商业分析(business analytics)之间有什么关系?

    本来我以为不需要解释这个问题的,到底数据挖掘(data mining),机器学习(machine learning),和人工智能(AI)有什么区别,但是前几天因为有个学弟问我,我想了想发现我竟然也回答 ...

  2. Example-based Machine Learning是什么?

    参考:https://christophm.github.io/interpretable-ml-book/proto.html EML简介 Example-based Machine Learnin ...

  3. 【Machine Learning】KNN算法虹膜图片识别

    K-近邻算法虹膜图片识别实战 作者:白宁超 2017年1月3日18:26:33 摘要:随着机器学习和深度学习的热潮,各种图书层出不穷.然而多数是基础理论知识介绍,缺乏实现的深入理解.本系列文章是作者结 ...

  4. 【Machine Learning】机器学习及其基础概念简介

    机器学习及其基础概念简介 作者:白宁超 2016年12月23日21:24:51 摘要:随着机器学习和深度学习的热潮,各种图书层出不穷.然而多数是基础理论知识介绍,缺乏实现的深入理解.本系列文章是作者结 ...

  5. 【Machine Learning】决策树案例:基于python的商品购买能力预测系统

    决策树在商品购买能力预测案例中的算法实现 作者:白宁超 2016年12月24日22:05:42 摘要:随着机器学习和深度学习的热潮,各种图书层出不穷.然而多数是基础理论知识介绍,缺乏实现的深入理解.本 ...

  6. 【机器学习Machine Learning】资料大全

    昨天总结了深度学习的资料,今天把机器学习的资料也总结一下(友情提示:有些网站需要"科学上网"^_^) 推荐几本好书: 1.Pattern Recognition and Machi ...

  7. [Machine Learning] Active Learning

    1. 写在前面 在机器学习(Machine learning)领域,监督学习(Supervised learning).非监督学习(Unsupervised learning)以及半监督学习(Semi ...

  8. [Machine Learning & Algorithm]CAML机器学习系列2:深入浅出ML之Entropy-Based家族

    声明:本博客整理自博友@zhouyong计算广告与机器学习-技术共享平台,尊重原创,欢迎感兴趣的博友查看原文. 写在前面 记得在<Pattern Recognition And Machine ...

  9. Machine Learning Algorithms Study Notes(6)—遗忘的数学知识

    机器学习中遗忘的数学知识 最大似然估计( Maximum likelihood ) 最大似然估计,也称为最大概似估计,是一种统计方法,它用来求一个样本集的相关概率密度函数的参数.这个方法最早是遗传学家 ...

随机推荐

  1. BeanFactory中Bean的生命周期

    Bean的生命周期图解 集体过程如下: 当调用者通过getBean(beanName)向容器请求某一个Bean时,如果容器注册了org.springframework.beans.factory.co ...

  2. UCML JS函数说明

    UCML JS函数说明1.调用父窗体函数 window.openerWindow.函数名 2.公用JS存放位置 BPObject\Model\Rule\initvalue.js 3.弹窗JS var ...

  3. go标准库的学习-time

    参考https://studygolang.com/pkgdoc 导入形式: import "time" time包提供了时间的显示和测量用的函数.日历的计算采用的是公历. 1&g ...

  4. Intel CPU 漏洞分析

    Intel CPU漏洞分析报告 预备知识 存储分级 由于计算机存储分级的特性(第一级:寄存器,第二级:高速缓存,第三级:内存,第四级:磁盘),每一级之间的访问速度差距高达数量级.所以处理器会将用到的数 ...

  5. Android学习之基础知识十二 — 第二讲:网络编程的最佳实践

    上一讲已经掌握了HttpURLConnection和OkHttp的用法,知道如何发起HTTP请求,以及解析服务器返回的数据,但是也许你还没发现,之前我们的写法其实是很有问题的,因为一个应用程序很可能会 ...

  6. Android ScrollView和ListView联用,且ListView可以下拉刷新和上拉加载

    ScrollView嵌套listView且ListView可以实现上拉加载. 由于代码太长,在此只提供实现思路: 先不说上拉加载的事,咱们先回想一下,ScrollView和LsitView联用,时的解 ...

  7. easyui的datagrid的列checkbox自定义增加disabled选项

    需求根据权限判断datagrid的每一列的checkBox是否可选,看了下文档,发现editor的checkbox应该能实现这个功能,但我们项目自己将easyui外面包了一层,把原生的editor改成 ...

  8. 授人以鱼不如授人以渔——和女儿学一起学成语

    女儿二年级了,前段时间背了<小学生必背古诗词75首>,采用几天一篇,然后滚动复习这种方式.磕磕绊绊也把一本古诗背了一遍,效果吗?是有的,但是不怎么明显,前面背,后面忘.当然这是规律,难免的 ...

  9. wifidog源码分析 - wifidog原理

    wifidog是一个用于配合认证服务器实现无线网页认证功能的程序,常见的情景就是使用于公共场合的无线wifi接入点,首先移动设备会连接公共wifi接入点,之后会弹出网页要求输入用户名密码,认证过后才能 ...

  10. Luogu4137 Rmq problem/mex 主席树

    传送门 用主席树水莫队题…… 我们对于前缀和建立主席树,对于主席树中的每一个叶子节点表示它对应的数字最后出现的位置的编号,非叶子节点求左右节点的最小值,那么对于每一次询问$l,r$就是在第$r$棵主席 ...