先立个贴 开个头
打算有空的时候就看看机器学习的内容和思想,慢慢理解其中的一些算法,并且和实际的需求做关联,加深理解。
机器学习的目的是解决问题:
解决问题的步骤是:
1、理解问题,确立问题的目标,问题的类型。
2、构建模型,定义模型输入,模型的期望输出或目标(数学上来说,损失函数)。
3、思考并选择解答这个模型的方法。
对于常见的模型,一般会有相应的解答方法,所以在我们构建模型的时候,可以尝试构建成与常见模型类似的模型,这样方便解答。
万物皆数据。有数据,离不开数据分布。了解这些数据的特性,并根据目标去分析这些数据。
问题转换成数据,将问题量化,构建模型,用数学去解答。
问题基础类型(都是对数据的分析和处理):
1、分类
2、回归
3、聚类
4、降维
5、分析(根据需求,对数据的各种处理,类似数据挖掘)
机器学习和模式识别的区别和联系:
1、机器学习的核心是学习,需要一个自主训练的过程。而模式(事物的特征和规律)识别主要是人工设计并发现数据特征或模式,确立重要特征。
2、机器学习和模式识别的基础技术和算法是有联系的。他们都是对数据的认识和分析。
3、机器学习的应用场景还不够宽泛,比较机器的技能还不够多,而模式识别因为是人工参与和思考的,所以可以解决各种各样的问题。但是从当前发展来看,机器学习更加诱人,更加智能,因为它的目标是让机器可以像人一样思考。
参考,说的有一定道理:
https://blog.csdn.net/qq_33414271/article/details/78682239
https://blog.csdn.net/eternity1118_/article/details/51105659