1.1 人工智能概述
机器学习是人工智能的起点
深度学习是机器学习的一个方法发展而来
1.1.2 机器学习、深度学习应用
传统预测
图像识别
自然语言处理
1.2机器学习定义
机器学习是从数据中自动分析获得模型并利用模型对未知数据进行预测
数据 模型 预测
1.2.3 数据集构成
特征值+目标值
1.3机器学习算法分类
监督学习
目标值:类别——分类问题
k-近邻算法、叶贝斯分类、决策树与随机森林、逻辑回归
目标值:连续型的数据——回归问题
线性回归、岭回归
无监督学习
目标值:无
聚类 k-means
举例如下
- 预测明天的气温是多少度? 回归
- 预测明天是阴、晴还是雨? 分类
- 人脸年龄预测? 回归/分类
- 人脸识别? 分类
1.4机器学习开发流程
(1)获取数据
(2)数据处理
(3)特征工程
(4)机器学习算法训练—模型
(5)模型评估
(6)应用
1.5学习框架和资料介绍
(1)算法是核心、数据与计算是基础
(2)找准定位
(3)怎么做?
a.入门
b.实战类书籍
c.机器学习—“西瓜书”周志华
统计学习方法—李航
深度学习—“花书”
(4)机器学习库与框架
a.传统机器学习算法 slearn
b.深度学习框架 TF、PYTORCH、cciffez、theano、chainer