成都网站建设设计

将想法与焦点和您一起共享

学习笔记-0-SVMandANN-创新互联

详细内容请关注微信公众号:运筹优化与数据科学

成都网站建设哪家好,找成都创新互联公司!专注于网页设计、重庆网站建设公司、微信开发、小程序制作、集团企业网站设计等服务项目。核心团队均拥有互联网行业多年经验,服务众多知名企业客户;涵盖的客户类型包括:成都广告推广等众多领域,积累了大量丰富的经验,同时也获得了客户的一致称赞!

ID: pomelo_tree_opt


方老师的课,Shu-Cherng Fang, North Carolina State University

Supervised Machine Learning: 

  • Support Vector Machines (SVM)

  • Neural Networks (NN)


System analytics vs. Data analytics

  • Data analytics更强调是从data到information / knowledge的过程

  • System analytics也有data analytics的过程,但是更侧重decision-making.

    System analytics 是给系统工程,管理系统等专业的,要有“系统”的概念,尤其是偏“工程”相关的专业,工业工程、系统工程等。


AI的三个基本步骤

data mining -->machine learning -->analytics

Computers examine data to extract embedded information (data mining) to form useful knowledge (machine learning) for right decision making (analytics)


AI的三个基本分类

  • (1) 有监督的学习,主要是分类和预测,主流的有支持向量机和人工神经网络

  • (2) 无监督的学习,主要是聚类和特征工程,相关的内容有similarity learning and spare solutions. Feature的东西,feature往往是越少越好,用较少的特征来描述问题

  • (3) 强化学习,reinforcement learning, 首先强调的是动态环境,dynamic environment, 因为环境在变,所以相比之下data的属性没有那么强,更强调动态过程,“且战且走”,相关的内容有动态规划、马尔可夫决策过程、强化学习。


Machine learning vs. optimization

Machine learning的问题往往要么是最小化损失函数,要么是大化一些回报函数

Many machine learning problems are formulated as

  • minimization of some loss function that measures discrepancy between the predictions of the model being trained and the actual problem instances, 

  • maximation of some reward function that affirms an expected decision.

两者的一个重要区别是

  • Optimization是在seen examples上做文章,做generalization, 是希望“当前做到最好”

  • Machine learning更关心的是在unseen samples上的表现,做泛化时往往“留有余地”,因为目标是“以后做到最好的可能性大”


Research并不神圣,其实就是要知道事情的来龙去脉,要知道它可以怎么做,做出来可以是什么样子。读paper时理解不了,往往并不是作者比我们聪明,或者说我们自己的知识太差,而是我们不知道应该怎么看待它,怎么去欣赏或辨析,怎么去appreciate.

Data science更多的是engineering的事情,要强调动手去实现、去练习。大部分都是engineering solution, 而不是mathematical solution.

动手就需要工具,Matlab, Python, Java, Cplex, Gurobi, etc. 工学院的研究生,“谋生的工具”,“吃饭的家伙”

你是否还在寻找稳定的海外服务器提供商?创新互联www.cdcxhl.cn海外机房具备T级流量清洗系统配攻击溯源,准确流量调度确保服务器高可用性,企业级服务器适合批量采购,新人活动首月15元起,快前往官网查看详情吧


当前标题:学习笔记-0-SVMandANN-创新互联
文章分享:http://chengdu.cdxwcx.cn/article/dgeijc.html