1.机器学习简介
1.1.机器学习的目的
机器学习是实现人工智能的手段,其主要研究内容是如何利用数据或经验进行学习,改善具体算法的性能
• 多领域交叉,涉及概率论、统计学,算法复杂度理论等多门学科
• 广泛应用于网络搜索、垃圾邮件过滤、推荐系统、广告投放、信用评价、欺诈检测、股票交易和医疗诊断等应用
1.2.机器学习的分类
机器学习一般分为下面几种类别
• 监督学习 (Supervised Learning)
• 无监督学习 (Unsupervised Learning)
• 强化学习(Reinforcement Learning,增强学习)(可参考这个视频理解)
• 半监督学习(Semi-supervised Learning)(介于监督和无监督学习之间)
• 深度学习 (Deep Learning)(利用深层神经网络抽象得表示数据特征的一种方法)
1.3.Python Scikit-learn
•官网首页: http://scikit-learn.org/stable/
• Machine Leaning in Python
• 一组简单有效的工具集
• 依赖Python的NumPy,SciPy和matplotlib库
• 开源、可复用
本课程也主要注重于sklearn的使用方法,对于算法的原理不做过多深究
常用函数:
1.4.课程目标
• 了解基本的机器学习原理及算法
• 学习利用机器学习算法解决应用问题的能力
• 掌握sklearn库中常用机器学习算法的基本调用方法,避免重复造车
2.相关书籍及课程推荐[重点-良心推荐]
图书:
《PRML》-Bishop 民间评价:“早知此书,PhD早毕业2年”