本文以简单易懂的方式解释了机器学习的定义和不同类型，包括有监督和无监督学习。介绍了逻辑回归、线性回归、K近邻算法、支持向量机、决策树和随机森林等有监督学习模型，以及k均值聚类和DBSCAN聚类等无监督学习模型。适合无数据科学背景的读者了解机器学习基础知识。
全文共2723字，预计学习时长9分钟
图源：unsplash
很多面试官都喜欢问这个问题：“假设我是个5岁的小孩儿，请向我解释[某项技术]。”给幼儿园的小朋友讲清楚机器学习可能有点夸张，实际上这一问题的要求就是，尽可能简单地解释某一技术。
这就是笔者在本文中尝试做到的事。笔者将解释什么是机器学习以及不同类型的机器学习，再介绍常见的模型。本文里，笔者不会介绍任何数学运算，小白请放心食用。
对于没有或几乎没有数据科学背景的成年人来说，它应该是容易弄懂的（如果不能，请在评论区告诉我）。
机器学习的定义
机器学习图
机器学习是指将大量数据加载到计算机程序中并选择一种模型“拟合”数据，使得计算机（在无需你帮助的情况下）得出预测。计算机创建模型的方式是通过算法进行的，算法既包括简单的方程式（如直线方程式），又包括非常复杂的逻辑/数学系统，使计算机得出最佳预测。
机器学习恰如其名，一旦选择要使用的模型并对其进行调整（也就是通过调整来改进模型），机器就会使用该模型来学习数据中的模式。然后，输入新的条件（观测值），它就能预测结果！
图源：unsplash
有监督机器学习的定义
最低0.47元/天 解锁文章
扫一扫
584
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
