本文介绍了机器学习的基础，包括其在人脸识别、垃圾邮件过滤等领域的应用，定义了机器学习的概念，强调了统计学在其中的重要性。关键术语涵盖专家系统、特征和目标变量。文章还讨论了机器学习的主要任务，如分类和回归，并提到了监督学习和无监督学习。开发机器学习应用程序的步骤，包括数据收集、训练和测试算法，以及使用Python和NumPy库的重要性。
机器学习基础
机器学习能让我们自数据集中受到启发，换句话说利用计算机来彰显数据背后的真实含义。
机器学习在日常生活中的应用
- 人脸识别
- 手写数字识别
- 垃圾邮件过滤
- 电商的产品推荐
- 天气预测
- 疾病诊断
- …
何为机器学习
机器学习就是把无序的数据转换成有用的信息
机器学习用到统计学，为什么用统计学呢？
在现实生活中，并不是每一个问题都存在确定的解决方案。在很多时候，我们都无法透彻地理解问题，或者没有足够的计算资源为问题精确建立模型，例如我们无法给人类活动的动机建立模型。为了解决这些问题，我们需要用到统计学知识。
关键术语
专家系统（如：鸟类分类系统）
特征feature（属性attributes）（如：鸟的体重、翼展、背后颜色）
机器学习的主要任务就是分类（从众多其他鸟类中分辨出啄木鸟）
决定使用某个机器学习算法进行分类，首先要做的算法训练，即如何如何分类。
通常我们为算法输入大量已分类数据作为训练集
上图表包含6个训练样本的训练集
最低0.47元/天 解锁文章
扫一扫
355
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
