名词释义:
- 机器学习
让机器像人具备学习的能力
拟人
- 知识–数据
- 算法–公式
(神经网络–各种算法人来帮助机器选择算法)
- 模型–参数
- 预测–把新的数据和参数进行计算得到结果
例如: y = a*x + b y1,x1和y2,x2事实上就可以作为数据 a,b就是要求解的参数,也称权重(影响结果的因子) 预测就是当新的x带到公式里面,求得有预测性质的y结果
根据学习内容中是否有参考机器学习分为
【1】
有监督的机器学习:
1回归
预测结果具体的值,事件的真实值作为参考
2分类
预测结果是哪个类别,事件的真实类别作为参考
【2】
无监督的机器学习:没给予参考
1聚类
在没有y的情况下,把数据分类成一堆堆的
2降维
X1…Xn维度多,n特别大的时候,需要为了更快的解方程组,减少X数量的算法
现在学习框架:
numpy数学计算框架
scipy物理计算框架 pandas数据分析框架
matplotlib绘图的框架
scikit-learn机器学习的框架
tensorflow谷歌开源出来的深度学习的框架(主流)
keras开源出来的深度学习的框架