1.来自一本书的知识。《Python的机器学习及实践》
什么是机器学习:
研究计算机怎么模拟和实践人类的学习行为。
开始:
2.机器学习的基础
1.机器学习的任务
两个经典的任务:监督学习和无监督学习。(在处理数据和训练模型时有着显著的区别)
监督学习:利用一组已知类别的样本(即标记的数据)来调整分类器的参数,使其达到所要求性能的过程,也称为监督训练或有教师学习。
- 分类问题:如图像识别中的猫狗分类,模型通过学习标记好的猫狗图片来识别新的图片。
- 回归问题:如房价预测,模型通过学习房屋特征(如面积、位置等)与房价之间的关系来预测新房屋的价格。
无监督学习:指从未标记的数据中发现隐藏的模式和结构,而不是预测输出变量。
- 聚类问题:如客户细分,模型通过分析客户的购买行为等数据,将客户划分为不同的群体。
- 降维问题:如主成分分析(PCA),通过降低数据的维度来简化数据,同时保留数据的主要特征。
2.数据称为经验。
数据的规律称为特征。
3.性能:完成任务的质量指标。