什么是机器学习?
机器学习概述
1.1人工智能概述:
达特茅斯会议-人工智能的起点
机器学习是人工智能的一个实现途径
深度学习是机器学习的一个方法发展而来
1.1.2 机器学习、深度学习能做些什么
传统预测
图像识别
自然语言处理
1.2 什么是机器学习?
数据
模型
预测
从历史数据当中获得规律?这些历史数据是怎么的格式
1.2.3 数据集构成
特征值 + 目标值
1.3 机器学习算法分类
监督学习(预测):
定义:输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值(称为回归),或是输出是有限个离散值(称作分类)。
分类: k-临近算法、贝叶斯分类、决策树与随机森林、逻辑回归
回归: 线性回归、岭回归
目标值:类别 - 分类问题
目标值:连续型的数据 - 回归问题
目标值: 无 - 无监督学习:
定义:输入数据是由输入特征值所组成
例子:
1.预测明天的气温是多少度?
答:目标值:天气的温度,属于监督学习、回归问题
2.预测明天是阴、晴、还是雨?
答:目标值:天气状况,属于监督学习、分类问题
3.人脸年龄预测?
答:目标值:年龄,属于监督学习,回归问题,如果目标值是幼年、青年、中年、老年 则是分类问题。
4.人脸识别?
答:目标值:是否是人,属于监督学习,分类问题
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 学习框架和资料
1) 算法是核心 数据与计算是基础
2) 找准定位
分析很多的数据
分析具体的业务
应用常见的算法
特征工程、调参数、优化
3) 怎么做?
1.入门
2.实战类书籍
3.机器学习 - 周志华(西瓜书)
统计学习方法 - 李航
深度学习 - “花书”
1.5.1 机器学习库与框架
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/c1841cbbd45845c888e048fe38116f0f.png)
1.5.2 书籍资料
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/1338b374ed6efd0a654ed63f5cf9e3d0.png)
1.5.3 提升内功(但不是必须)
![在这里插入图片描述](https://i-blog.csdnimg.cn/blog_migrate/e4861ebe5678212f88562f25f9f26432.png)