《机器学习Python实践》CH1 初识机器学习
2018-01-08 21:41
141 查看
1、机器学习的定义
机器学习(Machine Learning,LM)是一门多领域的交叉学科,涉及概率论、统计学、线性代数、算法等多门学科。它专门研究计算机如何模拟和学习人的行为,以获取新的知识或技能,重新组织已有的知识结构使之不断完善自身的性能。简单来说,就是让机器学会和人一样的思考,并作出相应的行为。机器学习目前已经有广泛的应用,例如:数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、检测信用卡欺诈、证券市场分析、语音识别、手写识别等。总之就是下一个风口。
机器学习的算法,可以分为:监督学习和无监督学习。监督学习,指的是在机器学习的过程中提供对错指示,这一类学习主要用于分类和预测(Regression & Classify)。常见的监督学习算法包括回归分析和统计分类。
无监督学习又称为归纳性学习(Clustering),利用K方式(LMean)建立中心(Centriole),通过循环和递减运算(Iteration & Descent)来减小误差,达到分类的目的。
2、Python中的机器学习
本书主要关注监督学习中的分类与回归问题处理的预测模型。采用的框架是scikit-learn,并通过项目来介绍基于Python生态环境如何完成机器学习的相关工作。一旦明白了如何使用Python平台来完成机器学习的任务,就可以在不同的项目中重复使用这种方法解决问题。用机器学习的预测模型来解决问题,共有六个基本步骤:定义问题-数据理解-数据准备-评估算法-优化模型-结果部署。本书也是按照这个流程来部署的。
3、学习机器学习的技巧
牢记这三个技巧:启动一个可以在一小时内完成的小项目;
通过每周完成一个中型项目来保证你的学习势头,并建立累计自己的项目工作区;
在社交网络、开发者社区中分享自己的成果。
好吧,第一张就是概括性的描述本书,没有实质的内容0-0
相关文章推荐
- 1 绪论:初识机器学习
- 周志华《机器学习》课后习题解答系列(二):Ch1 - 绪论
- [机器学习] ——初识及实践选择
- 初识人工智能--第一节机器学习
- 初识机器学习-理论篇(imooc)
- 机器学习初识
- 机器学习 *** 初识流形
- Fastcv——机器学习SVM初识
- 机器学习初识
- 机器学习(九)初识BP神经网络
- 机器学习教程 一.初识机器学习与数据认识
- python机器学习决策树初识
- 机器学习之——初识神经网络
- 机器学习(九)初识BP神经网络
- 机器学习_初识attention
- 斯坦福机器学习-week4 学习笔记——初识神经网络
- 初识机器学习——k-近邻算法(3)
- 机器学习之初识SVM
- Lecture 1:机器学习初识
- 机器学习实践之手写数字识别 - 数据初识