热线电话：13121318867

登录
首页精彩阅读机器学习中的基础知识（入门上篇）
机器学习中的基础知识（入门上篇）
2019-02-16
收藏


前面我们已经给大家讲述了很多有关机器学习的概念，这些概念都是十分重要的，我们如果要学习人工智能的话就需要重视这些知识。在这篇文章我们接着给大家介绍机器学习中的基础知识，希望这篇文章能够给大家带来帮助。


（1）正则化就是对模型复杂度的惩罚。正则化帮助防止过拟合。正则化包括不同种类：L1 正则化、L2 正则化、dropout正则化。

（2）正则化率就是一种标量级，用lambda来表示，指正则函数的相对重要性。

（3）表征就是将数据映射到有用特征的过程。

（4）根目录就是指定放置 TensorFlow 检查点文件子目录和多个模型的事件文件的目录。

（5）均方根误差就是均方误差的平方根。

（6）Saver就是负责存储模型检查点文件的 TensorFlow 对象。

（7）缩放就是特征工程中常用的操作，用于控制特征值区间，使之与数据集中其他特征的区间匹配。

（8）序列模型就是输入具有序列依赖性的模型。

（9）会话就是保持 TensorFlow 程序的状态。

（10）Sigmoid 函数就是把logistic 或多项式回归输出映射到概率的函数，返回的值在 0 到 1 之间。

（11）稀疏特征的值主要为 0 或空的特征向量。

（12）平方损失就是线性回归中使用的损失函数。该函数计算模型对标注样本的预测值和标签真正值之间差的平方。在平方之后，该损失函数扩大了不良预测的影响。

（13）静态模型就是离线训练的模型。

（14）稳态就是数据集中的一种数据属性，数据分布在一或多个维度中保持不变。通常情况下，维度是时间，意味着具备平稳性的数据不会随着时间发生变化。

（15）权重就是线性模型中的特征系数，或者深度网络中的边缘。线性模型的训练目标是为每个特征确定一个完美的权重。如果权重为 0，则对应的特征对模型而言是无用的。

（16）无标签样本就是包含特征但没有标签的样本。无标签样本是推断的输入。在半监督学习和无监督学习的训练过程中，通常使用无标签样本。

（17）测试集是数据集的子集。模型经过验证集初步测试之后，使用测试集对模型进行测试。可与训练集和验证集对照阅读。、


我们在这篇文章中给大家介绍了很多的内容，虽然都是机器学习中比较简单的知识，但万丈高楼平地起，我们一定要一步步把基础打牢固。希望这篇文章能够给大家带来帮助。


CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>>   “CDA报名” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想查询CDA考试成绩，点击>>> “CDA成绩” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

▷ 想获取CDA考试时间/费用/条件/大纲/通过率，点击 >>>“CDA考试官网” 了解CDA考试详情；

特征 机器学习 损失函数 无监督学习 无监督 特征工程 特征向量 线性回归

数据分析咨询请扫描二维码

上一篇机器学习中的基础知识（入门中篇）
下一篇机器学习中的基础知识（入门下篇）
CDA考试动态
CDA报考指南
热门栏目
最新资讯
更多
Copyright © 2015-present 北京国富如荷网络科技有限公司 All Rights Reserved.
京ICP备11001960号-9   京公网安备 11010802034615号   经营许可证编号：京B2-20210330
客服在线
立即咨询