机器学习
机器学习
机器学习不是“显著式编程”,它是一种根据经验E来提高性能指标P的过程
机器学习分类
监督学习(Supervised Learning)
每一个训练数据都有对应的标签
相关算法
1、支持向量机(SUPPORT VECTOR MACHINE)
2、人工神经网络(NEURAL NETWORKS)
3、深度神经网络(DEEP NEURAL NETWORKS)
监督学习分类
按照标签是连续还是离散,将监督学习分为分类问题和回归问题
无监督学习(Unsupervised Learning)
所有训练数据都没有对应的标签
相关算法
1、聚类(Clustering)
2、EM算法(Expectation-Maximization Algorithm)
3、主成分分析(Principle Component Analysis)
半监督学习(Semi-supervised Learning)
训练数据中一部分有标签,一部分没有标签
强化学习(Reinforcement Learning)
让计算机通过与环境的互动逐渐强化自己的行为模式
深度学习(Deep Learning)
Python Scikit-learn
Python Scikit-learn是一组简单有效的机器学习的工具集,依赖Python的NumPy,SciPy和matplotlib库,是开源的,可复用的。
sklearn库
sklearn库是scikit-learn的简称,是一个基于python的第三方模块。sklearn库集成了一些常用的机器学习方法,在进行机器学习任务时,不需要实现算法,只需要简单的调用库中提供的模块就能按成大多数的机器学习任务
Numpy库
Numpy(Numerical Python的缩写)是一个开源的Python科学计算库
Scipy库
Scipy库是sklearn库的基础,它是基于Numpy的一个集成了多种数学算法和函数的Python模块
matplotlib库
matplotlib是基于Numpy的一套Python工具包,它提供了大量的数据绘图工具