《机器学习实战》第一章机器学习基础笔记

于 2023-04-01 16:53:56 发布
阅读量225 收藏 1
点赞数
文章标签： 机器学习 python 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/a52022920/article/details/129897624
版权

作者：Peter Harrington
2013年
在这里插入图片描述

第一部分 分类

在这里插入图片描述

第一章 机器学习基础

本章内容

  • 机器学习的简单概述
  • 机器学习的主要任务
  • 学习机器学习的原因
  • python语言的优势

1.1 何谓机器学习

机器学习 ：把无序的数据转换为有用的信息
统计学和机器学习的关系：无法精确定义模型的时候，机器学习用统计学工具。

1.2 关键术语

特征或者属性或者特征 ：测量的类型
实例 ：测量的值
训练数据 ：训练用的样本
测试数据：测试用的样本

1.3 机器学习的主要任务

监督学习：知道预测什么
分类：划分类别

  • k-近邻
  • 朴素贝叶斯
  • 支持向
最低0.47元/天 解锁文章
sdnugao
关注
《机器学习实战》第五章Logistic回归学习笔记.pdf
08-09
《机器学习实战》第五章详细介绍了Logistic回归的原理与实现。 Logistic回归的核心思想是建立一个分类边界，这个边界由一个线性组合的回归公式确定，使得数据点被分配到边界两侧的不同类别。具体来说，Logistic回归...
Machine Learning in Action 读书笔记---第1章 机器学习基础
@dongyu的博客
07-04 301
Machine Learning in Action 读书笔记 作者：【美】Peter Harrington 著 李锐 李鹏 曲亚东 王斌 译
《机器学习实战》学习笔记（一）：机器学习基础
热门推荐
种树最好的时间是10年前，其次是现在！！！
08-19 1万+
专栏【机器学习】 【机器学习】《机器学习实战》读书笔记及代码 总目录 https://blog.csdn.net/TeFuirnever/article/details/99701256 —————————————————————————————————————————————————————— 目录专栏【机器学习】本章内容何谓机器学习2、关键术语3、机器学习的主要任务4、如何选择合适的算法5...
资料分享：送你一本《机器学习实战》电子书！
老马的程序人生
03-13 4222
这两天，各985高校发布了考研初试分数线。从中发现这两年大数据相关专业的分数线暴涨啊。没有400分估计心里都没底啊。可见大数据这个领域有多火爆！而机器学习是我们团队的一个主要方向，新加入的同学通常都是从《机器学习实战》这本书开始入门的。 所以，我把这本书的电子版分享给大家，可以作为入门教材，希望能够对大数据、机器学习感兴的同学有益。当然，这本书在网上有开源的电子版，其特点是简化了案例背景的介绍，而...
机器学习实战（第1章 机器学习基础）
棉花糖的博客
07-11 539
1、目录结构 监督学习：机器只需从输入数据中预测合适的模型，并从中计算出目标变量的结果。 标称型：标称型目标变量的结果只在有限目标集中取值（如真与假、动物分类集合{ 爬行类、鱼类、哺乳类、两栖类、植物、真 菌 };）—-用于分类 数值型：数值型目标变量则可以从无限的数值集合中取值（如 0.100、42.001、000.743等 。）—–用于回归 1.1 何谓机器学习把无序的数据转换成有用的信息。 1
第一章——机器学习基础
小原的博客
01-24 670
第一章——机器学习基础 1.1 何为机器学习 1.1.1 机器学习定义 机器学习就是把无序的数据转换成有用的信息。 通过对数据的建模，可以预测或分类未知的数据。 1.1.2 为什么我们需要机器学习 现实世界中存在着很多例子，我们无法为之建立精确的数学模型，而为了解决这类问题，我们就需要统计学工具。（机器学习中用到了统计学知识） 1.2 关键术语 特征：通常是训练样本集的列，它们是独立测量得到的结果。多个特征联系在一起共同组成一个训练样本。 实例：具有相关特征的一个具体的对象。 目标变量：就
深度学习Tensorflow工程化项目实战 读书笔记
12-22
### 第一章 学习准备 在开始学习之前，确保你的环境配置正确至关重要。本笔记的代码环境是基于Python 3.6，并使用TensorFlow 1.15版本。选择这个版本的原因可能是因为它稳定且与很多教程和资源兼容。TensorFlow的...
TensorFlow深度学习》--笔记版.pdf
04-06
第1~3章为第一部分，旨在介绍人工智能的基本认知，并引出相关问题。第4~5章为第二部分，主要介绍了TensorFlow的基础知识，为后续算法的实现奠定了基础。第6~9章构成第三部分，主要讨论神经网络的核心理论和共性知识...
《深度学习》手推笔记（公式手推）
06-10
第一章 前言 第二章 线性代数 第三章 概率论 第四章 数值计算 第五章 机器学习基础 ------------------------------------- 第二部分 深度神经网络核心知识 第六章 前馈神经网络 第七章 正则化方法 第八章 优化方法 ...
机器学习：机器学习实战（Python3）：kNN，决策树，贝叶斯，逻辑回归，SVM，线性回归，树回归
02-03
朴素贝叶斯文章个人网站CSDN知乎Python3《机器学习实战》学习笔记（四）：朴素贝叶斯基础篇之言论过滤器Python3《机器学习实战》学习笔记（五）：朴素贝叶斯实战篇之新浪新闻分类代码第五章：物流（Logistic回归）...
机器学习实战 第一章 机器学习基础
qq_59026468的博客
09-11 1020
机器学习基础
机器学习的基本概念
u011868279的博客
04-11 1432
数据挖掘十大算法 C4.5决策树 K-均值（K-mean） 支持向量机（SVM） Apriori 最大期望算法（EM）（涉及太多数学理论，此处不做详述） PageRank算法（Google充分论述过，此处不做详述） AdaBoot算法 k-近邻算法（KNN） 朴素贝叶斯算法（NB） 分类回归树（CART）算法
《机器学习实战》笔记一——机器学习基础
无限大地NLP_空木的专栏
09-01 1402
第一章 机器学习基础 机器学习的简单概述机器学习的主要任务学习机器学习的原因python语言 机器学习用途广泛：当人们点击搜索引擎返回给人们的链接，搜索引擎能够记录这次点击并通过机器学习优化下次搜索结果; 通过机器学习可以在后台自动检测过滤垃圾广告邮件; 基于以往的统计知识，可以知道用户很多习惯，从而为用户提供更好的选择; 通过手写识别软件识别正确的手写地址加快邮件分拣等。人们生活
机器学习实战(Peter Harrington)-----K-近邻算法
qq_37210730的博客
09-06 293
看了一段时间的理论，最近决定看看书写写代码，因此这可能是一个系列博客(针对书中源码的分析、理解) 本人知识、能力有限，可能在对代码的分析中有些错误的理解，欢迎大家在评论区指出，踊跃讨论 K-近邻算法：根据要判断数据点和各个聚类中点的距离来判断该点属于哪个类 本质其实就是计算距离、排序、判决，一种分类算法 算法核心实现： # K Proximity algorithm def cl...
机器学习实战—第1章
L. D. Xiao
05-24 633
1.1 何谓机器学习1.2 关键术语 特征（属性）：数值型、二值型、枚举类型。特征或属性通常是训练样本的列，它们是独立测量得到的结果，多个特征联系在一起共同组成了一个训练样本 分类：是基本的机器学习任务 目标变量：分类任务中通常为标称型，回归任务通常为连续型 训练样本 训练集 训练数据、测试数据 1.3 机器学习的主要任务 分类 回归 分类和回归属于监督学习，这类算法必须知道预测什么，即目标变量的分
《机器学习实战1》
Zuoerfeng
12-11 635
2017.2.27 第一章 《机器学习基础》 思维导图 1、关键术语的解释 特征：测量所有可测属性，而后再挑选出重要部分，也可以称作属性 分类：机器学习的主要任务就是分类，即根据目标变量对特征进行分类 训练集：通常我们为算法输人大量已分类数据作为算法的训练集。训练集是用于训练机器学习算法的数据样本集合 训练样本：特征或者属性通常是训练样本集的列，它们是独立测量得到的结果，多个特征联系在一起共同...
【机器学习】机器学习是什么？
weixin_51781852的博客
01-21 6331
机器学习（Machine Learning，简称 ML）是人工智能领域的一个分支，也是人工智能的核心，其涉及知识非常广泛，比如概率论、统计学、近似理论、高等数学等多门学科。 目录 1.1 何为机器学习 1.1.1 机器学习非常重要 1.1.2 关键术语 1.1.3 机器学习的主要任务 1.2 监督学习 1.3 无监督学习 1.1 何为机器学习 一般情况下，人们很难直接从原始数据本身获取所需要的信息。例如，对于垃圾邮件的检测，侦测一个词语是否存在并没有太大的作用，然而当某几...
《机器学习实战》总结——第一章：机器学习基础
WaitFoF
07-05 563
一、机器学习基础 1.1 何谓机器学习 机器学习就是将无序的数据转换成有用的信息。 机器学习横跨计算机科学、工程技术和统计学等多个学科，需要多学科的专业知识。 ✨✨✨1.1.1 传感器和海量数据 移动计算和传感器产生的海量数据意味着未来我们将面临着越来越多的数据，如何从数据中抽取有价值的信息将是一个非常重要的课题。 ✨✨✨1.1.2 机器学习非常重要 大量的经济活动都依赖于信息，我们不能再海量的数据中迷失，机器学习有助于我们穿越数据雾霭，从中抽取出有用的信息。 1.2 关键术语 机器学习的主要任务就是分类。
《机器学习实战》第一章，机器学习基础
CHERRY0926的博客
04-26 572
第一章，机器学习基础 一、何谓机器学习 1、机器学习能让我们自数据集中受到启发，换句话说，我们会利用计算机彰显数据背后的真实含义。这才是机器学习的真实含义。它既不是只会徒然模仿的机器人，也不是具有人类感情的仿生人2、机器学习就是把无序的数据转换成有用的信息3、机器学习用到了统计学的知识4、在社会科学领域，正确率到60%以上的分析被认为是非常成功的 二、关键术语 1、特征或者属性：数值型（十进制）、...
机器学习笔记：多变量线性回归详解与实战
在【机器学习笔记】的第3章“多变量线性回归”中，作者深入探讨了在具有多个特征变量的情况下的线性模型。这一章主要包括以下几个关键知识点： 1. **多功能（Multiple features）**：在多变量线性回归中，"多功能...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值