机器学习

机器学习大四最后一门考试课，没复习完，把复习的部分写一个总结吧。 一、绪论：1.<P、T、E>：（以下西洋跳棋为例） T：任务（下西洋跳棋） P：性能标准（比赛中击败对手的百分比） E：依靠训练经验（和自己进行对弈） 2.机器学习定义：寻找一种对自然/人工主题、现象或活动可预测且/或可执行的机器理解方法 3.机器学习设计方法： 选择训练经验 选择目标函数 选择目标函数的表示 选择函数逼近算法 最终设计 二、概念学习：1.概念与概念学习：概念：每个概念可被看作一个对象或事件集合，它是从更大的集合中选取的子集。 ​ 或者是在这个较大集合中定义的布尔函数（如从动物集合中定义的函数，它对鸟类产生TRUE并对其他动物 产生了FALSE） 概念学习：概念学习是指从有关某个布尔函数的输入输出训练样例中推断出该布尔函数 2.概念学习任务：（X、H、c、D） X：实例的集合，由各种属性值确定的元组 H：候选假设的集合 c：实例集合上的目标函数（概念） D：训练样例的集合 候选假设：实例的各属性约束的合取式，每个约束可以是： 一个特定值，例如 Water* ...

pytorch-lightning1.pytorch-lightning总览将pytorch主要训练过程封装起来 pytorch 和 pl 本质上代码是完全相同的。只不过pytorch需要自己造轮子（如model, dataloader, loss, train，test，checkpoint, save model等等都需要自己写），而pl 把这些模块都结构化了（类似keras）。 下面的例子很清晰的表明了两者的区别： lighting model 是跨硬件的，因此可以移除所有cuda()和device 2.模型搭建：2.1定义Lightning Module：class LitAutoEncoder(pl.LightningModule): def __init__(self): super().__init__() self.encoder = nn.Sequential( nn.Linear(28*28, 64), nn.ReLU(), nn.Linear(64, 3) ...