目录
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