机器学习中的问题的定义
什么是问题的定义:
我们在什么样的场景下要解决什么样的问题,针对这个问题存在什么样的关键点,因此我可能有什么样的解决思路。接下来才涉及到算法的设计与分析的相关步骤。以及该问题的未来方向。
最终形成分析能力,并且形成解决实际问题的能力。
关键词:基本思路、算法设计与分析、未来方向、分析能力(问题,特征,结果)、解决实际问题
机器学习的实验方法与原则
supervised learning
决策树学习
回归分析
贝叶斯学习
基于实例的学习
支持向量机(SVM)
unsupervised learning
无监督学习方法(聚类)
集成学习(加权多数、Bagging,AdaBoost)
深度学习基础(MLP、CNN、RNN、LSTM、GRU)
基于群体智慧的机器学习数据集构建
机器学习的应用背景
一、数据挖掘
1、商业智能:
商品货架摆放位置
关联规则挖掘
消费券,重复消费。
2、信用危机分析
3、使用历史数据改善决策
二、个性化定制:
1、邮件过虑,
2、学习用户兴趣的应用,
3、电子商务中的推荐。
三、替代人力的软件应用
1、模式识别:人脸识别,语音识别,收拾识别,OCR
2、自动驾驶
3、信息检索
4、相关性反馈