机器学习/Machine Learning:综述

本文全面概述了机器学习,包括常见应用场景、开发流程、数据预处理、特征工程、模型建立与评估,以及核心问题。重点讨论了监督学习的分类与回归算法,并深入解析了模型的误差、偏差-方差困境。此外,还提到了机器学习中假设的内涵、简化性和发散性,以及数据集的分配和适用编程语言。
摘要由CSDN通过智能技术生成

机器学习是实现人工智能的一种具体的方法。它使用算法从数据中进行学习,尝试从数据中找到一种能够拟合这些数据的模型,从而达到使用这个模型对未知的数据进行预测的目的

深度学习:2012年之后,由于数据量的增加、计算能力的提升和机器学习新算法(深度学习)的出现,人工智能开始大爆发。深度学习并不是新的学习方法,他使用的方法也是类似机器学习的手段,区别在于深度学习通过深度神经网络来对数据的特征进行学习和表达

一、机器学习的常见应用场景

在这里插入图片描述

一、机器学习的开发流程

样本数据和特征决定了机器学习的上线,模型和算法只能尽可能地逼近这个上线。

在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值