一、機(jī)器學(xué)習(xí)的算法和普通《算法導(dǎo)論》里的算法有什么本質(zhì)上的異同

普通算法不是學(xué)習(xí)型算法，機(jī)器學(xué)習(xí)算法是讓計算機(jī)學(xué)習(xí)，分為監(jiān)督學(xué)習(xí)，無監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)

二、svm在多類分類算法中的分析和應(yīng)用

SVM是Support Vector Machine 的縮寫，翻譯過來就是支持向量機(jī)，屬于一種機(jī)器學(xué)習(xí)算法，類似于人工神經(jīng)網(wǎng)絡(luò)，但是分類的效果好于神經(jīng)網(wǎng)絡(luò)，而且算法固定，不會出現(xiàn)網(wǎng)絡(luò)輸出不收斂或者隨機(jī)性較大的情況。

svm本身是一個二元分類器，你要進(jìn)行多元分類，必須構(gòu)造多分類算法，常見的是 一對一 和 一對多 算法。網(wǎng)上關(guān)于支持向量機(jī)的論文很多，常用的計算工具有基于 MATLAB 的 OSU-SVM 工具包 和 LS-SVM 工具包，效果都還不錯。

三、機(jī)器學(xué)習(xí)算法中調(diào)參是什么？

是指類似于learning rate的參數(shù)，還是指theta?

如果是后者用梯度下降法等就可以調(diào)參，如果是前者麻煩一點(diǎn)，需要判斷一下，也可以可變參數(shù)，如果該參數(shù)工作效果沒有再高過以前的精準(zhǔn)度并且過10次（也可以是其它次數(shù)），那么就判斷該learning rate為最好的。