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。