机器学习应用
-
自动驾驶
-
医疗
能够识别不同CT图中,细微的区别 -
图片艺术化
-
人脸识别(深度学习)
-
自动写报道(深度学习)(NLP)
-
预测
总结
机器学习用到的库和框架
- scikit learn 框架
- 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:
- 性能瓶颈,读取速度
- 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:
- 大数据竞赛平台
- 80万科学家
- 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