一个实验案例让你轻松入门机器学习？

最新推荐文章于 2024-07-31 11:27:06 发布

梦想狂人

最新推荐文章于 2024-07-31 11:27:06 发布

阅读量476

点赞数

分类专栏：社区文章文章标签：机器学习人工智能

本文链接：https://blog.csdn.net/sinat_31933777/article/details/89927082

版权

社区文章专栏收录该内容

1 篇文章 0 订阅

订阅专栏

本文主要是简介，具体内容、相关代码及数据集文件请查看网页链接：http://www.icxbk.com/article/detail/579.html

相信正在看的各位伙伴应该对人工智能、深度学习、机器学习这些名词已经非常耳熟了。这些年来，人工智能的概念越来越热，无论各国学者，还是国家政策，都在提人工智能。似乎各行各业都可能会被人工智能影响，更有甚者，很多职业也会被人工智能所取代。

目前，人工智能的研究核心还是机器学习。那么什么是机器学习？如何使用机器学习来解决一些实际问题？希望阅读完这篇文章能解答一些你的困惑。

其实，机器学习、深度学习技术就应用在我们身边，现在我们的日常生活已经离不开机器学习的产物了。比如：当你在淘宝点开一个链接浏览了或者购买了某个宝贝，那么它会向你智能推荐一些相关的商品。比如你在今日头条上浏览了某哥网页中包含商品信息，那么京东就会向你智能推荐一些商品，大大刺激了消费。还比如，现在手机都内置AI摄影功能，你只需镜头对向物体，它会自动识别出物体类型并作出针对性优化调教。当然还有很多…….

机器学习大致可分为：监督学习、半监督学习、非监督学习、强化学习；简单解释一下，不作深入讨论。监督学习就是数据集有特征值、有标签，非监督学习就是数据集有特征值、无标签。

目前在计算机视觉和NLP领域非常红火的深度学习也是属于机器学习的一种，对于监督式机器学习两个部分：特征和标签。本文研究的视频评分的影响因素问题也是一个监督学习问题，特征主要包括视频播放量、收藏量、弹幕数，标签就是视频评分；

机器学习包括三个部分：输入、学习模型、输出。用比较通俗的语言解释就是：往学习模型中输入数据集，经过学习算法自学习过程，训练得到模型。将输入的特征与输出标签建立映射关系，通过机器学习算法的训练过后得到的模型，只需要输入特征值（feature）后，可直接得到标签值（label）。