Part1、机器学习概述
1.1
人工智能主要方向:工程方向和学术
三要素:数据、算力、算法
实现方式:将数据数字化---->> x ∈ X x\in X x∈X(属性值,特征属性)<<----输入数据 ---->>模型(算法+数据)---->>输出 y ∈ Y y\in Y y∈Y(目标值)—>>>评估、测试
目标:拟合目标(近似的函数映射关系,让目标函数的结果与实际值尽可能地接近)
欠拟合:日常练习做题一般(训练数据),考试每道题都做的不好(测试数据)。
过拟合:平常练习题基本全对(训练数据),过度重复原题做,考试出现新题就gap了(测试数据)。
1.2
机器学习工具:scikit-learn # pip install scikit-learn
机器学习应用场景 ……
机器学习一般流程:数据收集—>数据预处理—>特征提取—>模型构建—>模型测试评估—>模型部署与整合—>迭代优化
机器学习的分类1:
1.有监督学习:有标签(分基于条件概率 p ( y ∣ x ) p(y|x) p(y∣x)的判别式模型和基于联合概率 p ( x , y ) p(x,y) p(x,y)的生成式模型)
2.无监督学习:无标签(如:聚类)
3.半监督学习:少量标注+大量无标注
机器学习的分类2:
分类、回归(注:连续数据可以离散化)、聚类、关联规则