快速入门python机器学习-1

1.1-人工智能概述

1.1.1 及其学习与人工智能、深度学习

  人工智能>机器学习>深度学习

1.1.2 机器学习、深度学习能做些什么

  1. 自然语言处理
  2. 图像识别
  2. 传统预测

1.2.3 人工智能阶段课程安排

1.2-什么是机器学习

1.2.1 定义

  机器学习是从数据中自动分析获得模型，并利用模型对位未知数据进行预测

1.2.2 解释

1.2.3 数据集构成

  结构=特征值+目标值
  对于每一行数据我们称之为样本
  有些数据集没有目标值

1.3-机器学习算法分类

监督学习：
  目标值：类别-分类问题
    k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑和回归
  目标值：连续性数据-回归问题
    线型回归、岭回归
无监督学习
  目标值：无-无监督学习
    k-mearn

1.4-机器学习开发流程

  1. 获取数据
  2. 数据处理
  3. 特征工程
  4. 机器学习算法训练-模型
  5. 模型评估
  6. 应用

1.5-学习了框架和资料介绍

  需明确几点问题：
    1. 算法是核心，数据与计算是基础
    2. 找准定位

1.5.1 机器学习与框架

  sk-learn
  pytorch
  tensorflow
  theano

1.5.2 书籍推荐

  统计学习方法-李航
  机器学习-周志华