導(dǎo)讀 關(guān)于機器學(xué)習(xí)算法有哪些基礎(chǔ)算法，機器學(xué)習(xí)算法有哪些這個問題很多朋友還不知道，今天小六來為大家解答以上的問題，現(xiàn)在讓我們一起來看看吧
關(guān)于機器學(xué)習(xí)算法有哪些基礎(chǔ)算法，機器學(xué)習(xí)算法有哪些這個問題很多朋友還不知道，今天小六來為大家解答以上的問題，現(xiàn)在讓我們一起來看看吧！
1、樓主肯定對機器學(xué)習(xí)了解不多才會提這種問題。
2、這問題專業(yè)程度看起來和“機器學(xué)習(xí)工程師”這詞匯一樣。
3、 機器學(xué)習(xí)，基礎(chǔ)的PCA模型理論，貝葉斯，boost,Adaboost, 模式識別中的各種特征，諸如Hog，Haar,SIFT等 深度學(xué)習(xí)里的DBN，CNN，BP，RBM等等。
4、 非專業(yè)出身，只是略懂一點。
5、 沒有常用的，只是針對需求有具體的設(shè)計，或者需要自己全新設(shè)計一個合適的算法，現(xiàn)在最熱門的算是CNN(convolutional neural networks)卷積神經(jīng)網(wǎng)絡(luò)了。
6、 優(yōu)點:不需要訓(xùn)練獲取特征，在學(xué)習(xí)過程中自動提取圖像中的特征，免去了常規(guī)方法中，大量訓(xùn)練樣本的時間。
7、在樣本足夠大的情況下，能夠得到非常精確的識別結(jié)果。
8、一般都能95%+的正確率。
9、 缺點：硬件要求高，CUDA的并行框架算是用的很火的了。
10、但是一般的臺式機跑一個Demo花費的時間長資源占用高。
11、不過這也是這塊算法的通病。
本文分享完畢，希望對大家有所幫助。
標簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！