机器学习学习笔记

机器学习应用

1. 自动驾驶
   

2. 医疗
   
   能够识别不同CT图中，细微的区别

3. 图片艺术化
   

4. 人脸识别（深度学习）

5. 自动写报道（深度学习）（NLP）

6. 预测
   

总结

机器学习用到的库和框架

1. scikit learn 框架
2. tensorflow 框架（大多数公司都在用它）
   谷歌发行，支持python

什么是机器学习

机器学习是从数据中自动分析获得规律，并利用规律对未知数据进行预测
例如：
AlphaGo
广告搜索（能够根据历史的购买数据，推荐商品给你）

为什么需要机器学习

解放生产力（智能客服）
解决专业问题（ET医疗）
提供社会便利（比如城市大脑）

带来的价值

领域：
医疗，航空，教育，物流，电商。。。
目的：
让机器学习程序替换上轰动的步骤，减少企业的成本，也提高企业的效率

例子：
历史的客户进行分类，推什么样的广告合适？
根据购买力，有针对性的投放广告。

机器学习的数据

机器学习的数据：文件csv

mysql：

1. 性能瓶颈，读取速度
2. 格式不太符合机器学习要求数据的格式

pandas：读取工具 numpy：（释放了）GIL锁

数据集

可用的数据集

Kaggle特点：

1. 大数据竞赛平台
2. 80万科学家
3. 真实数据，数据量巨大

UCI特点：
4. 收录了360个数据集
5. 比较专业

数据集的结构

特征值（大多数数据）+目标值（分类。。。）

身高