机器学习笔记
慕课|蒋良孝|中国地质大学
机器学习的定义
机器学习:利用经验改善计算机系统自身的性能
数据挖掘的定义
数据挖掘:识别出巨量数据中有效的、新颖的、潜在有用的、最终可理解的模式的非平凡的过程。
区别与联系
区别:数据挖掘的教材和课程主要讲解各种不同的数据挖掘任务。比如:分类、回归、聚类、关联分析、异常分析、演变分析等等。
机器学习——理论
数据挖掘——应用
分类
分类:分类就是构建一个分类模型,即分类器,然后通过分类器将数据对象映射到某个给定的类别中的过程。
本课程的授课思路与内容安排
- 绪论
- 模型评估
- 线性学习(Linear learning)
- 支持向量机学习(Support vector machine learning)
- 神经网络学习(Neural network learning)
- 决策树学习(Decision tree learning)
- 贝叶斯学习(Bayesian learning)
- 最近邻学习(Nearest neighbor learning)
- 无监督学习(Unsupervised learning)
- 集成学习(Ensemble learning)
- 代价敏感学习(Cost-sensitive learning)
- 演化学习(Evolutionary learning)
- 强化学习(Reinforcement learning)