1樓：網友
如何確定演算法引數是機器學習的難點，很多情況下引數是要靠實驗確定的。有些時候，引數可以根據已有的經驗和準則確定，單依然需要用實驗進行驗證。
原理上，資料探勘演算法的引數是由資料本身性質決定的，演算法配置是要與資料協調一致，才能發揮出演算法功效，完成任務。這就是說，資料變化時必須修正引數。
在一般業務中，由於面臨的問題是確定的，故而可以通過預先的研究為業務選擇適合的引數。在業務目標和資料性質不改變的情況下，引數可以長時間使用。若資料性質發生變化，其效能就會下降，那麼也就必須改變模型引數了。
通過建立一套反饋學習機制，可以做到自動地、適時地、合理地、自適應地調整引數。可以模擬實驗驗證引數的方式，設計反饋學習框架。更好的引數調整方式是根據具體演算法的機理和資料性質，通過數學推導方式得到引數的解析解（解析解有時很難求），這樣更準確。
至於過度學習，是由於模型對資料細節過度擬合產生的。此時模型過度細化資料細節（通俗可理解為逐本求末），而資料細節的隨機性太強，導致模型推廣效能下降。根本上是模型對資料核心含義的獲取能力太差，需要考慮調整模型引數，或者選用更適合的方法。
2樓：匿名使用者
第乙個問題，如果有必要，可以在training過程中手動或者自動調整學習因子等引數。第二個問題，一般如此，尤其是模型引數訓練類。
什麼是機器學習？
3樓：匿名使用者
通俗理解機器學習：機器從資料中學習，進而得到乙個更加符合現實規律的模型，通過對模型的使用使得機器比以往表現的更好。
舉個例子：中學階段，學生通過做大量的練習題，為的就是在高考解決問題。高考的題目一般來說是之前肯定沒有遇到過的（無原題），但是這並不意味著這些題目我們無法解決。通過對之前所做過的練習題的分析，找到解題方法，同樣可以解決陌生的題目，這就是人類的學習。
機器學習就是模擬人類學習的過程。
機器學習其實就是將這一套方式運用到機器上，利用一些已知的資料（平時的練習題）來訓練機器（做，讓機器自己分析這些資料，並找到內在聯絡（學習解題方法），構建模型，從而對未知的資料（高考題）進行**判定等。
關於機器學習一些演算法 可以關注 機器學習學習筆記。
4樓：匿名使用者
機器學習原來這麼有趣--用機器學習製作超級馬里奧的關卡。
參考這個。
機器學習常用什麼方法？
5樓：粥鹽蜂
機器學習的常用方法包括以下幾種：
1.監督學習：從有標籤資料中訓練模型，例如分類和迴歸。
2.無監督學習：從沒有標籤資料中訓練模型，例如聚類和降維。
3.半監督學習：從部分有標籤資料和大量沒有標籤資料中訓練模型。
4.強化學習：從**與環境間的互動中學習最優行動，例如在遊戲中尋找最優策略。
5.深度學習：使用多層神經網路進行的機器學習技術，能夠學習複雜的非線性關係。
6.遷移學習：通過將已學習的知識和技能遷移到新任務中來解決學習資料少的問題。
7.元學習：通過學習如何學習來提高模型的效能。
這些方法在不同的場景和任務中具有特定的優勢和應用範圍。
什麼叫機器學習
6樓：網友
機器學習（machine learning）根據已知資料來不斷學習和積累經驗，然後總結出規律並嘗試**未知資料的屬性，是一門綜合性非常強的多領域交叉學科，涉及線性代數、概率論、逼近論、凸分析和演算法複雜度理論等學科。目前機器學習已經有了十分廣泛的應用，例如資料探勘、計算機視覺、自然語言處理、生物特徵識別、搜尋引擎、醫學診斷、信用卡欺詐檢測、**市場分析、dna序列測序、語音和手寫識別、推薦系統、戰略遊戲和機械人運用等。
總體來說，機器學習演算法和問題可以分為有監督學習和無監督學習兩大類。
在有監督學習演算法中，所有資料帶有額外的屬性(例如每個樣本所屬的類別或對應的目標值)，每個樣本都必須同時包含輸入(如樣本的特徵)和預期輸出(也就是目標)，通過大量已知的資料不斷訓練和減少錯誤來提高認知能力，最後根據積累的經驗去**未知資料的屬性。分類和回歸屬於經典的有監督學習演算法。在分類演算法中，樣本屬於兩個或多個離散的類別之一，我們根據已貼標籤的樣本來學習如何**未貼標籤樣本所屬的類別。
如果預期的輸出是乙個或多個連續變數，則分類問題變為迴歸問題。
在無監督學習演算法中，訓練資料包含一組輸入向量而沒有相應的目標值。這類演算法的目標可能是發現原始資料中相似樣本的組合(稱作聚類)，或者確定資料的分佈(稱作密度估計)，或者把資料從高維空間投影到低維空間(稱作降維)以便進行視覺化或者減少特徵數量並提高分析速度。
機器學習該怎麼入門
7樓：匿名使用者
關於機器學習的一些經典演算法 可以關注 機器學習學習筆記。
8樓：匿名使用者
機器學習演算法是一類從資料中自動分析獲得規律，並利用規律對未知資料進行**的演算法。
下面是乙個比較通俗易懂的機器學習入門筆記：
機器學習筆記彙總。
筆記包括了無監督學習、監督學習、機器學習評價指標等內容。
9樓：網友
人工智慧從入門到專家。
10樓：婷寶寶好瘦
首先搞明白各個演算法的是幹嘛的怎麼用，然後**實踐，實踐出真知。
建議關注：大資料與ai人工智慧。
裡面有原理+**實踐，希望能幫到你。
11樓：思憶追古
簡言之理論必須紮實（數學基礎），學習的目的是為了應用有很多機器學習的資料集，嘗試著自己動手實現一些常用的演算法。在工作中會遇到各種問題，所以動手做專案編碼很重要。
關於機器配置的問題
樓主，網上隨便找個3000左右的桌上型電腦主機配置就夠你通殺上面的遊戲了，我把我自己的配置寫個給你吧，雖然不一定適合你 cpu amd速龍 3 435 主機板 華碩m4a77td pro 顯示卡 藍寶石hd3870 2 記憶體 ddr3 2g記憶體2根 硬碟 500g的隨便，如果捨得買2個組雙通道更...
關於英語的學習問題關於英語學習的問題
現在高二的話，學英語的主要目的還是應對高考。說什麼看電影之類的，我個人認為是不現實的。首先，你不要怕英語，把它和語文等同，當作自己的母語。我們首先學語文，做閱讀理解這些，就是要知道漢字，同理，你就要背單詞。背單詞經常記不住，你可以先熟悉音標，掌握拼寫的規律。懂基本的語法就可以了，主攻閱讀和作文這兩塊...
關於鋼琴學習的問題，關於學習鋼琴的問題。
不會有什麼衝突吧 現在學搞不好更快 一天花一兩個小時就好了課程也不是很緊 系的一般也是晚上練琴 你選在中午的時候去 就不琴房也不會有幾個人 練琴也比較安靜 你什麼大學啊 有 系就可以 找一個鋼琴老師就不難了 找個比較會教學的 這樣是本校的老師 就可以在學校的琴房練琴了 莊責棟的夫人就是象你這樣大才學...