特征向量

工程学：在结构工程中，特征值和特征向量可以用来分析系统的振动模式。最小的特征值对应的特征向量描述了系统最可能的振动形式。 控制理论：在控制系统的设计中，特征值的位置可以用来判断系统的稳定性。如果一个系统的所有特征值的实部都小于零，那么这个系统就是稳定的。 机器学习：在机器学习中，特征值和特征向量可以用来

机器学习以及深度学习

所谓“ 机器学习” ， 是指利用算法使计算机能够像人一样从数据中挖掘出信息； 而“ 深度学习”作为“机器学习”的一个**子集**， 相比其他学习方法， 使用了更多的参数、模型也更复杂， 从而使得模型对数据的理解更加深人， 也更加智能。 传统机器学习是分步骤来进行的， 每一步的最优解不一定带来结果的最优解；

机器学习

机器学习常见的分类有3种：监督学习：利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。常见的有回归和分类。非监督学习：在未加标签的数据中，试图找到隐藏的结构。常见的有聚类。强化学习：智能系统从环境到行为映射的学习，以使奖励信号（强化信号）函数值最大。

机器学习 算法分类

下，都会为算法提供一组示例供其学习。　　监督式学习　　为算法提供训练数据，数据中包含每个示例的“正确答案”；例如，一个检测信用卡欺诈的监督学习算法接受一组记录的交易作为输入，对于每笔交易，训练数据都将包含一个表明它是否存在欺诈的标记。　　无监督学习　　该算法在训练数据中寻找结构，

机器学习案例（十）：新闻分类

目前，新闻文章是由新闻网站的内容管理者手工分类的。但为了节省时间，他们还可以在自己的网站上使用机器学习模型，读取新闻标题或新闻内容，并对新闻类别进行分类。在下面的部分中，我将带你了解如何使用 Python 编程语言为新闻分类任务训练机器学习模型。 文章目录 一、数据集

机器学习技术的分类

计算机视觉（CV - Computer Vision）：让机器看懂世界 自然语言处理（NLP）：让机器读懂文字 语音识别（Speech Recognition）：让机器听懂机器决策（Decision Making）：让机器做决定，比如无人驾驶中的汽车控制决策

机器学习笔记之过拟合

有多种因素可能导致过拟合，其中最常见的情况是由千学习能力过千强大，以至千把训练样本所包含的不太一般的特性都学到了，而欠拟合则通常是由千学习能力低下而造成的．欠拟合比较容易克服，例如在决策树学习中扩展分 支、 在神经网络学习中增加训练轮数等，而过拟合则很麻烦．在后面的学习中我们将看到，过拟合是机器学习面临的关键障碍

《Spark机器学习进阶实战》——1.2.3　其他机器学习

2.3　其他机器学习此外，机器学习的常见算法还包括迁移学习、主动学习和演化学习等。（1）迁移学习迁移学习是指当在某些领域无法取得足够多的数据进行模型训练时，利用另一领域的数据获得的关系进行学习。迁移学习可以把已训练好的模型参数迁移到新的模型，指导新模型训练，更有效地学习底层规则、减

机器学习与深度学习的比较

然，当数据很小时，深度学习算法表现不佳。这就是是深度学习算法需要大量数据才能完美理解的原因。但是，在这种情况下，我们可以看到算法的使用以及他们手工制作的规则。上图总结了这一事实。硬件依赖通常，深度学习依赖于高端机器，而传统学习依赖于低端机器。因此，深度学习要求包括GPU。这是它工

机器学习（05）——主要概念理解

机器学习的专业术语非常多，不需要一开始理解所有的专业术语，这些术语会随着对机器学习的深入，会慢慢理解，水到渠成。不过在学习的过程中，有一些概念必须要了解，有助于后续的学习与理解，需要了解的核心概念有：监督学习、无监督学习、模型、策略、算法等。监督学习监督学习，指的是学习的数据与后

机器学习笔记（九）---- 集成学习（ensemble learning）

“异质”，如果个体学习器中只包含一种学习算法，例如都是决策树，或都是神经网络，这样的集成就是同质集成，如果个体学习器中包含了多种学习算法，则称为异质集成。 集成学习的目的是得到一个比单一学习器预测性能更好的集成学习器，这就要求个体学习器“好而不同”，要求个体学习器有一定的准确性，同时又有一定的差异性。

《机器学习》学习笔记

率也不那么低。 在进行性能比较时，如果一个学习器的曲线被另一个学习器的曲线完全包住，则可断言后者性能优于前者，如图 2.3，学习器 A 性能优于学习器 C。比较 P-R 曲线下面积的大小，也可判别学习器的优劣，它在一定程度上表征了学习器在查准率和查全率上取得”双高“的比例，但这

机器学习服务—开启企业智能时代！

深度学习之机器学习的算法效果

        当我们使用机器学习算法时，我们不会提前固定参数，然后从数据集中采样。我们会在训练集上采样，然后挑选参数去降低训练集误差，然后再在测试集上采样。在这个过程中，测试误差期望会大于或等于训练误差期望。以下是决定机器学习算法效果是否好的因素：        1. 降低训练误差 

【Python机器学习】01_机器学习概述

蓝到阿法狗，人工智能已经成为未来趋势。而机器学习又是人工智能的一大重要分支，所以学习机器学习也是一个很好的选择。本系列文章将使用通俗的语言讲解机器学习，并使用scikit-learn模块实现常用的机器学习算法。 二、机器学习 机器学习是从数据中提取知识的科目，它是计算机技术与

【《机器学习》周志华学习笔记1.1-1.2】~什么是“机器学习”？机器学习有哪些基本概念？

同时可以对其进行聚类分析：比如把猫分为：橘猫，波斯猫....聚类分析有利于进一步学习，找到潜在规律，这些规律我们事先并不知道。 根据训练数据是否有标记：“监督学习”+“无监督学习” 监督学习代表：分类和回归；无监督学习代表：聚类 训练的目的是解决未知情况，对于“新样本”的认识能力，也就是“泛化”能力

机器学习概念

机器学习是一个跟“大数据”一样近几年格外火的词汇。我们在了解深度学习之前，还是有必要了解和认识机器学习这个词的。机器学习究竟是一个什么过程或者行为呢？机器学习一一我们先想想人类学习的目的是什么？是掌握知识、掌握能力、掌握技巧，最终能够进行比较复杂或者高要求的工作。那么类比一下机器