机器学习的目标
机器学习是实现人工智能的手段,其主要研究内容是如何利用数据或经验进行学习,改善具体算法的性能。
-多领域交叉,涉及概率论、统计学,算法复杂度理论等多门学科。
-广泛应用于网络搜索、垃圾邮件过滤、推荐系统、广告投放、信用评价、欺诈检测、股票交易和医疗诊断等应用。
机器学习分类
1、监督学习(Supervised Learning)
2、无监督学习(Unsupervised Learning)
3、强化学习(Reinforcement Learning,增强学习)
4、半监督学习(Semi-supervised Learning)
5、深度学习(Deep Learning)
Sclikit-learn库
-一组简单有效的工具集
-依赖Python的NumPy,SciPy和matplotlib库。
-开源、可复用
学习目的:
1、了解基本的机器学习原理及算法
2、学习利用机器学习算法解决应用问题的能力
3、掌握sklearn库中常用机器学习算法的基本调用方法,避免重复造车。
sklearn库的安装
介绍:sklearn是scikit-learn的简称,是一个基于Python的第三方模块。sklearn库集成了一些常用的机器学习方法,在进行机器学习任务时,并不需要实现算法,只需要简单的调用sklearn库中提供的模块就能完成大多数的机器学习任务。
sklearn库是在Numpy、Scipy和matplotlib的基础上开发而成的,因此在介绍sklearn的安装前,需要先安装这些依赖库。
1、Numpy(Numerical Python的缩写)是一个开源的Python科学计算库。
2、Scipy库是sklearn库的基础,它是基于Numpy的一个集成了多种数学算法和函数的Python模块。
3、matplotlib是基于Numpy的一套Python工具包,它提供了大量的数据绘图工具。
安装顺序:
具体安装参见
Python第三方库的安装
安装成功测试: