大數(shù)據(jù)下的機器學習_第1頁
已閱讀1頁,還剩5頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、《程序設計方法學》 《程序設計方法學》課程論文 課程論文題目: 大數(shù)據(jù)下的機器學習學 院 通信與信息工程學院1014010216 學 號唐 川 姓 名宗 平 指 導 老 師2014/2015 學年第二學期 日 期淹沒在大數(shù)據(jù)的洪流中。2. 機器學習自從計算機被發(fā)明以來, 人們就想知道它能不能學習。 機器學習從本質上是一個多學科的領域。它吸取了人工智能、概率統(tǒng)計、計算復雜性理論、控制論、信息論、哲學、生理學、神經(jīng)生物學等學科的成果。機器學

2、習的研究主旨是使用計算機模擬人類的學習活動, 它是研究計算機識別現(xiàn)有知識、獲取新知識、不斷改善性能和實現(xiàn)自身完善的方法。這 里 的 學 習 意 味 著 從 數(shù) 據(jù) 中 學 習 , 它 包 括 有 監(jiān) 督 學 習 (SupervisedLearning ) 、無監(jiān)督學 習(Unsupervised Learning)和半監(jiān)督學習(Semi-Supervised Learning) 三種類別 。 有監(jiān)督學習需要對已知的樣本進行訓練得到算法模

3、型,然后對未知樣本的度量結果(或者說是標簽)進行預測;而無監(jiān)督學習則是直接預測未知樣本的度量結果,沒有實現(xiàn)訓練的過程;而半監(jiān)督學習就是介乎兩者之間的機器學習方法。傳統(tǒng)機器學習面臨的一個新挑戰(zhàn)是如何處理大數(shù)據(jù)。 目前, 包含大規(guī)模數(shù)據(jù)的機器學習問題是普遍存在的, 但是, 由于現(xiàn)有的許多機器學習算法是基于內(nèi)存的, 大數(shù)據(jù)卻無法裝載進計算機內(nèi)存, 故現(xiàn)有的諸多算法不能處理大數(shù)據(jù)。 如何提出新的機器學習算法以適應大數(shù)據(jù)處理的需求, 是大數(shù)據(jù)時代

4、的研究熱點方向之一。3. 大數(shù)據(jù)環(huán)境下的機器學習算法3.1大數(shù)據(jù)分類有監(jiān)督學習(分類) 面臨的一個新挑戰(zhàn)是如何處理大數(shù)據(jù)。目前包含大規(guī)模數(shù)據(jù)的分類問題是普遍存在的,但是傳統(tǒng)分類算法不能處理大數(shù)據(jù).1) 支持向量機分類。SVM 法即支持向量機( Support Vector Machine) 法,由 Vapnik 等人于 1995 年提出,具有相對優(yōu)良的性能指標。該方法是建立在統(tǒng)計學習理論基礎上的機器學習方法。通過學習算法,SVM 可以自

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論