Dit is een samenvatting van het eerste deeltentamen van het vak Leren van de Universiteit van Amsterdam. De samenvatting is op volgorde van de colleges.
Leren Samenvatting 1
What is Machine Learning?
Tom Mitchell: “A computer program is said to learn from experience E with respect to some
class of tasks T and performance measure P, if its performance at tasks in T, as measured by
P, improves with experience E.”
Example: playing checkers
E = the experience of playing many games of checkers
T = tasks of playing checkers
P = the probability that the program will win the next game
Supervised Learning
In supervised learning, we are given a data set and already know what our correct output
should look like. Supervised learning problems are categorized into “regression” and
“classification” problems:
Regression problem: we are trying to predict results within a continuous output; we
are trying to map input variables into some continuous function.
o Example: Given a picture of Male/Female, predict his/her age on the basis of
the picture.
Classification problem: we are trying to predict results in a discrete output; we are
trying to map input variables into discrete categories.
o Example: Given a picture of Male/Female, predict whether he/she is of High
School, College, Graduate age.
Unsupervised Learning
Unsupervised learning allows us to approach problems with little or no idea what our results
should look like. We can derive structure from data by clustering the data based on
relationships among the variables in the data. Example:
Clustering: Take a collection of 1000 essays written on the US Economy, and find a
way to automatically group these essays into a small number that are somehow
similar or related by different variables, such as page count or word frequency.
Non-clustering: The “Cocktail Party Algorithm”, which can find structure in messy data
such as the identification of individual voices and music from a mesh of sounds at a
cocktail party.
Linear Regression with one variable (univariate linear regression)
Univariate linear regression is used when you want to predict a single output value y from a
single input value x.
Hypothesis function
We will be trying out various values of θ0 and θ1 to find values which provide the best
possible “fit” or the most representative “straight line” through the data points.
Voordelen van het kopen van samenvattingen bij Stuvia op een rij:
Verzekerd van kwaliteit door reviews
Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!
Snel en makkelijk kopen
Je betaalt supersnel en eenmalig met iDeal, creditcard of Stuvia-tegoed voor de samenvatting. Zonder lidmaatschap.
Focus op de essentie
Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!
Veelgestelde vragen
Wat krijg ik als ik dit document koop?
Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.
Tevredenheidsgarantie: hoe werkt dat?
Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.
Van wie koop ik deze samenvatting?
Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper kimgouweleeuw. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €4,99. Je zit daarna nergens aan vast.
