機器學習簡介_機器學習

一. 機器學習的工作方式

①選擇資料：將你的資料分成三組：訓練資料、驗證資料和測試資料

②模型資料：使用訓練資料來構建使用相關特徵的模型

③驗證模型：使用你的驗證資料接入你的模型

④測試模型：使用你的測試資料檢查被驗證的模型的表現

⑤使用模型：使用完全訓練好的模型在新資料上做預測

⑥調優模型：使用更多資料、不同的特徵或調整過的參數來提升演算法的效能表現

二. 五大流派

①符號主義：使用符號、規則和邏輯來表徵知識和進行邏輯推理，最喜歡的演算法是：規則和決策樹

②貝葉斯派：擷取發生的可能性來進行機率推理，最喜歡的演算法是：樸素貝葉斯或馬爾可夫

③連接主義：使用機率矩陣和加權神經元來動態地識別和歸納模式，最喜歡的演算法是：神經網路

④進化主義：產生變化，然後為特定目標擷取其中最優的，最喜歡的演算法是：遺傳演算法

⑤Analogizer：根據約束條件來最佳化函數（儘可能走到更高，但同時不要離開道路），最喜歡的演算法是：支援向量機