【机器学习】理解机器学习

定义

  机器学习，是这样一门学科，它致力于如何通过计算的手段，利用经验来改善系统自身的性能。在计算机系统中，经验通常以数据的形式存在，因此，机器学习所研究的主要内容，是关于在计算机上从数据中产生“模型”的算法，即“学习算法”。有了学习算法，我们把经验数据提供给它，它就能基于这些数据产生模型。在面对新的情况时，模型会给我们提供相应的判断。

发展

• 逻辑期
• 推理期
• 知识期
• 学习期

演变

• 连接主义学习（基于神经网络）
• 符号主义学习（基于逻辑表示）
• 统计学习（基于统计学习）
• 深度学习（连接主义）
• 流形学习

介绍

• 出头的是概率和统计，埋头苦干的是代数和逻辑
• 以数学方法为主角，以统计方法为配角
• 新模式，新理论，新方向

基础

• 线性模型
• 树结构模型
• 支持向量机
• 贝叶斯网络
• 神经网络
• 概率图模型

衍生

• 聚类
• 降维
• 度量
• 特征选择
• 稀疏理论
• 半监督学习
• 集成学习
• 规则学习
• 强化学习
• 迁移学习
• 计算学习理论

【参考】

• 《机器学习》周志华

---

  对数据分析、机器学习、数据科学、金融风控等感兴趣的小伙伴，需要数据集、代码、行业报告等各类学习资料，可添加微信：wu805686220（记得要备注喔！），也可关注微信公众号：风控圏子（别打错字，是圏子，不是圈子，算了直接复制吧！）

关注公众号后，可联系圈子助手加入如下社群：

• 机器学习风控讨论群（wechat）
• 反欺诈讨论群（wechat）
• python学习交流群（wechat）
• 研习社资料（qq：102755159）（干货、资料、项目、代码、报告、课件）

相互学习，共同成长。