熱線電話：13121318867

登錄
首頁精彩閱讀機器學習中的基礎知識（二）
機器學習中的基礎知識（二）
2019-02-19
收藏


在上一篇文章中我們給大家介紹了很多的機器學習中的基礎知識，機器學習的基礎知識是比較零碎的，但卻是十分重要的，所以我們要重視這些內容。在這篇文章中我們會繼續為大家介紹機器學習涉及到的基礎概念，希望大家能夠重視起來。


（1）候選采樣是一種優化訓練時間的方式，使用 Softmax 等算法計算所有正標簽的概率，同時只計算一些隨機取樣的負標簽的概率。這個想法的思路是，負類別可以通過頻率更低的負強化進行學習，而正類別經常能得到適當的正強化，實際觀察確實如此。候選取樣的動力是計算有效性從所有負類別的非計算預測的得益。

（2）標定層是一種調整后期預測的結構，通常用于解釋預測偏差。調整后的預期和概率必須匹配一個觀察標簽集的分布。

（3）分類模型是機器學習模型的一種，將數據分離為兩個或多個離散類別。分類模型與回歸模型成對比。

（4）類別是所有同類屬性的目標值作為一個標簽。

（5）類別不平衡數據集是一個二元分類問題，其中兩個類別的標簽的分布頻率有很大的差異。

（6）收斂就是訓練過程達到的某種狀態，其中訓練損失和驗證損失在經過了確定的迭代次數后，在每一次迭代中，改變很小或完全不變。換句話說就是，當對當前數據繼續訓練而無法再提升模型的表現水平的時候，就稱模型已經收斂。在深度學習中，損失值下降之前，有時候經過多次迭代仍保持常量或者接近常量，會造成模型已經收斂的錯覺。

（7）混淆矩陣就是總結分類模型的預測結果的表現水平的 N×N 表格。混淆矩陣的一個軸列出模型預測的標簽，另一個軸列出實際的標簽。N 表示類別的數量。在一個二元分類模型中，N=2。多類別分類的混淆矩陣可以幫助發現錯誤出現的模式。混淆矩陣包含了足夠多的信息可以計算很多的模型表現度量，比如精度和召回率。

（8）連續特征擁有無限個取值點的浮點特征。和離散特征相反。


通過上面對機器學習概念的描述，相信大家對于機器學習的知識有了一定的了解了吧？大家在進行學習機器學習的時候一定要重視這些知識，這樣才能夠做好機器學習知識的儲備。


CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>>   “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

機器學習 混淆矩陣 特征 召回率 偏差 深度學習

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇機器學習中的基礎知識（一）
下一篇機器學習中的基礎知識（三）
數據分析師考試動態
CDA報考指南
數據分析學習
數據分析師資訊
更多

CDA教育閉環

常見問題

關于我們

CDA數據分析師公眾號

  • CDA數據分析師公眾號

CDA考試中心小程序

  • CDA考試中心服務號

CDA數據分析師App下載

  • CDA數據分析師App下載
Copyright © 2015-2021, www.ruiqisteel.com All Rights Reserved. CDA數據分析師(北京國富如荷網絡科技有限公司) 版權所有 京ICP備11001960號-9 京公網安備 11010802034615號 經營許可證編號：京B2-20210330
聯系電話：13321103290 (微信同號)

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢