机器学习基础知识
机器学习介绍
- 什么是机器学习
机器学习是实现人工智能的方法。从数据中寻找规律、建立关系,根据建立的关系去解决问题。即从数据中学习实现自我优化与升级。 - 机器学习的应用场景
数据挖掘、计算机视觉、自然语言处理、证券分析、医学诊断、机器人、DNA测序… - 实现机器学习的基本框架
将训练数据喂给计算机,计算机自动求解数据关系,在新的数据做出预测或给出建议。 - 机器学习的类别
(1)监督学习(Supervised Learning)
训练数据包括正确的结果(标签)
(2)无监督学习(Unsupervised Learning)
训练数据不包括正确的结果
(3)半监督学习(Semi-supervised Learning)
训练数据包括少量的正确的结果
(4)强化学习 (Reinforcement Learning)
根据每次结果收获的奖惩进行学习,实现优化
程序初始化:根据执行效果给与奖励或惩罚;程序逐步寻找高分的方法。 - 机器学习的相关算法类别(也是后续依次学习的内容)
监督学习:线性回归、逻辑回归、决策树、神经网络、卷积神经网络。
无监督学习:聚类算法
混合学习:监督学习+无监督学习