前言
例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。
一、什么是机器学习
1.1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。
应用场景
机器学习可以应用于医疗、航空、教育、物流、电商等等领域的各种场景。
1.用在挖掘、预测领域:店铺销量预测、量化投资、广告推荐、企业客户分类。
2.用在图像领域:街道交通标志检测、人脸识别等等。
3.用在自然语言处理领域:文本分类、情感分析、自动聊天、文本检测等等。
机器学习和人工智能,深度学习的关系
机器学习是人工智能的一个实现途径,深度学习是机器学习的一个方法发展而来。人工智能包含机器学习,机器学习包含深度学习。
二、机器学习算法分类
监督学习(预测)
输入数据是具有特征标签,函数的输出可以是一个连续的值(称为回归),或是输出是有限个离散值(称作分类)。例如: k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络回归 、线性回归、岭回归。
无监督学习
输入数据有特征值无标签,例如:聚类 k-means