Machine Learning in Action（Ⅰ）：概念

目录

1.机器学习的基本概念

什么是机器学习？

什么时候机器可以学习？

机器如何学习？

2.机器学习算法类型

按输入空间：

按输出空间：

按不同协议：

按样本标签：

3.Python基础知识 & 4.机器学习开发环境

 

1.机器学习的基本概念

什么是机器学习？

人：观察 -> 学习 -> 技能

机器：数据 -> ML ->功能

什么时候机器可以学习？

事物存在某种潜在规律（函数）

某些问题难以使用普通编程编程解决

有大量数据可供使用

机器如何学习？

 

2.机器学习算法类型

按输入空间：

Concrete Features、Raw Features、Abstract Features

按输出空间：

分类问题、回归问题、结构化学习

分类问题：

回归问题：

按不同协议：

Batch Learing、Online Learing、Active Learing

按样本标签：

监督式学习、半监督式学习、非监督式学习（K-均值聚类）

监督式学习：

（1）分类：K-近邻、Logistic回归、决策树、支持向量机、朴素贝叶斯、AdaBoost

（2）回归：线性回归、树回归

聚类问题：

 

3.Python基础知识 & 4.机器学习开发环境

见Python，主要是变量、数据类型、列表、字典、if语句、for循环、函数、类