机器学习（ML）（一）——机器学习简介

已于 2022-09-01 10:36:54 修改
阅读量518 收藏
点赞数
分类专栏： 自然语言处理 文章标签： 机器学习 sklearn python
于 2022-07-20 13:15:31 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_46569877/article/details/125885575
版权

1、什么是机器学习？

机器学习是从数据中自动分析获得模型，并且利用模型对未知数据进行预测。
在这里插入图片描述
在这里插入图片描述

2、机器学习的数据集：

数据集由特征值+目标值

3、机器学习的算法分类：

监督学习：

目标值：类别-分类问题
K近邻、贝叶斯分类、决策树和随机森林、逻辑回归
目标值：连续型的数据-回归问题
线性回归，岭回归

无监督学习：

目标值：无-无监督学习
聚类：K-means算法

4、机器学习开发流程

获取数据-数据处理-特征工程-机器学习训练模型-模型评估-应用
在这里插入图片描述

5、可用数据集：

公司内部：百度
数据接口：花钱
数据集
学习阶段可用数据集：sklea

最低0.47元/天 解锁文章
精分天秤座的mystery
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
一文搞懂：AI、机器学习与深度学习的联系与区别
穿着帆布鞋也能走猫步
03-06 356
在当今科技日新月异的浪潮中，人工智能（Artificial Intelligence, AI）、机器学习（Machine Learning, ML）与深度学习（Deep Learning, DL）如同璀璨星辰，引领着信息技术的新浪潮。这三个词汇频繁出现在各种前沿讨论和实际应用中，但对于许多初涉此领域的探索者来说，它们的具体含义及相互之间的内在联系可能仍笼罩着一层神秘面纱。那让我们先来看看这张图。由此可见，深度学习、机器学习、人工智能三者之间有着层层递进的紧密联系，是的一个分支，而是的一个分支。
ML：机器学习之模型监控阶段—模型稳定性分析的简介、常用的监控指标(CSI/PSI)、提高模型稳定性(通用方法/线性模型场景/树类模型场景)的策略之详细攻略
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
06-12 3608
​ ML：机器学习之模型监控阶段—模型稳定性分析的简介、常用的监控指标(CSI/PSI)、提高模型稳定性(通用方法/线性模型场景/树类模型场景)的策略之详细攻略 目录 模型稳定性分析的简介 提高模型稳定性的策略 模型稳定性分析的简介 1、模型稳定性分析的概述 简介 模型稳定性分析是指评估模型在不同数据集上的性能稳定性的过程，尤其是指模型部署之后，在实际生产环境中的模型稳定性。在实际应用中，模型面临着不同的数据分布、样本规模、特征空间等多种变化，这些变化都可能影响模型的性能。因此，需要
机器学习 Machine Learning
weixin_48322563的博客
10-25 91
Tom M.Mitchell对机器学习领域中研究的算法提供了一个被广泛引用的、更正式的定义：“计算机程序被描述为从经验E中学习某些类型的任务T和性能度量P，如果它在T中的性能（用P来衡量）随着经验E而提高。[9]这一将机器学习与任务进行关联的定义提供了一个基本的可执行定义，而不是认知术语形式的定义。这与艾伦·图灵在他的论文“计算机器和智能”中的提议一脉相承，其中“机器能思考吗？”被替换为“机器能做我们（作为思维实体）能做的事情吗？[10]。图灵的建议揭露了思维机器。
机器学习（ML）、监督学习(Supervised Learning)和非监督学习(Unsupervised Learning)
weixin_43733418的博客
11-22 635
在机器学习领域，学习任务可大致划分为两类，一种是监督学习，另一种是非监督学习。 1. 机器学习： **机器学习的思路：**利用一些训练数据（已经做过的题），使机器能够利用它们（解题方法）分析未知数据（考场的题目）。就像考试前老师给我们预测考试会考什么一样。 简单的一句话：机器学习就是让机器从大量的数据集中学习，进而得到一个更加符合现实规律的模型，通过对模型的使用使得机器比以往表现的更好。 2. 监督学习 **定义：**根据已有的数据集，知道输入和输出结果之间的关系。根据这种已知的关系，训练得到一个最优的模
深入理解机器学习（Machine Learning，ML）
Java/Python/大数据干货分享
12-20 456
1、机器学习概述2、什么是机器学习3、机器学习的分类4、机器学习的步骤5、机器学习算法简介在当今智能时代，大量结构化和非结构化数据是我们的丰富资源。1956年，AI概念首次被提出，短短3年后（1959年），Arthur Samuel就提出了机器学习的概念：机器学习研究和构建的是一种特殊算法（而非某一个特定的算法），能够让计算机自己在数据中学习从而进行预测所以，机器学习不是某种具体的算法，而是很多算法的统称机器学习包含了很多种不同的算法，深度学习就是其中之一，其他方法包括决策树，聚类，贝叶斯等。
机器学习——code.zip
04-03
机器学习（ML)是计算机系统为了有效地执行特定任务，不使用明确的指令，而依赖模式和推理使用的算法和统计模型的科学研究。它被视为人工智能的一个子集。机器学习算法构建一个基于样本数据的数学模型，称为“训练...
机器学习——Titanic.zip
最新发布
04-03
机器学习（ML)是计算机系统为了有效地执行特定任务，不使用明确的指令，而依赖模式和推理使用的算法和统计模型的科学研究。它被视为人工智能的一个子集。机器学习算法构建一个基于样本数据的数学模型，称为“训练...
机器学习的未来——Daniel Situnayake访谈.pdf
09-24
这篇访谈主要涵盖了Daniel Situnayake，一位创新工程师，他对机器学习（Machine Learning, ML）的看法，特别是对于TinyML领域的贡献。TinyML是机器学习的一个分支，专注于在微型设备上运行高效的模型，这在嵌入式...
结构化机器学习项目——视频、讲义、编程作业
08-02
结构化机器学习项目——视频、讲义、编程作业资源属于深度学习课程中的第三部分内容，主要讲述结构化机器学习。其课程内容为机器学习（ML）的策略~
亚马逊大规模应用机器学习的MLOps实践.pdf
03-31
MLOps是交付机器学习解决方案的一系列人员、技术和流程的组合。它包括机器学习模型的开发、部署、监控和维护等几个方面。MLOps的实现需要满足一些必要条件，包括ML pipelines、数据仓库、Data pipelines、CI/CD、...
什么是机器学习（ML）
fuhuo_的博客
11-02 1678
什么是机器学习（ML）Arthur Samuel的理解Tom Mitchell的理解 Arthur Samuel的理解 “the field of study that gives computers the ability to learn without being explicitly programmed.” 也就是说，“研究领域使计算机无需进行明确编程即可学习”。这是之前提出的非正式的定义。 Tom Mitchell的理解 A computer program is said to lear
ML |机器学习模型如何检测和预防过拟合？
weixin_45822007的博客
10-17 899
ml_overfit「过拟合」（overfitting）也称为过学习，它的直观表现是算法在训练集上表现好，但在测试集上表现不好，泛化性能差。同理，「欠拟合」（underfitting）也称为欠学习，它的直观表现是算法训练得到的模型在训练集上表现差，没有学到数据的规律。过拟合和欠拟合会导致模型在未知的数据集上表现较差。❝如图，左中右分别代表欠拟合、适度拟合、过拟合三种情况。欠拟合在训练集和测试集上都...
人工智能(AI),机器学习(ML),表示学习(RL),深度学习(DL)
醉糊涂仙的博客
09-20 1万+
一,AI 人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟...
ML：机器学习基础
江南好
01-22 381
何谓机器学习 机器学习软件的作用为改善商业决策、提高生产率、检测疾病、预测天气。此外，它还可以作为实际工具应用于从政治到地质学的多个领域，解决其中的很多问题。甚至可以这么说，机器学习对于任何需要解释并操作数据的领域都有所裨益。 机器学习横跨计算机科学、工程技术和统计学等多个学科，需要多学科的专业知识。 除却一些无关紧要的情况，人们很难直接从原始数据本身获得所需信息。例如，对于垃圾邮件的检测，侦测一...
关于一个DL／ML（深度学习／机器学习）的学习计划
GP0000968523的专栏
09-17 2610
对于机器学习路线图文章的理解 机器学习路线图 一：机器学习关注的问题 监督学习（有相关的标签） 1:分类问题 2:回归问题 无监督学习 3:聚类问题（没有已知道的标签） 二具体在计算机行业中的问题 1:计算机视觉 2:自然语言处理 3:社会网络分析 4:推荐系统 三：学习的应该具备的基本的素质 数学（微积分，线性代数，概率统计） 英语 机器学习的典型的算
ML：人工智能之机器学习ML解决实际应用问题的思路总过程(最全)
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
01-23 9125
ML：人工智能之机器学习ML解决实际应用问题的思路总过程(最全) 目录 详细思路结构 详细思路结构
Spark 2.0 机器学习 ML 库：常见的机器学习模型（Scala 版）
IT小村
08-15 1万+
一、前言 机器学习中，人为地设计算法，需要一定的知识积淀。 而使用别人设计好的机器学习库如 Spark 2.0 ML，那是基本不需要什么基础的，开箱即用。 首先，看一个简单、完整、规范的案例，无疑是最好的方式。 之前的文章（内含短小精悍的案例）： Spark 2.0 机器学习 ML 库：特征提取、转化、选取（Scala 版） Spark 2.0 机器学习 ML 库：机器学...
网页轻松展示CV、NLP模型，连你老爸都会操作 | 斯坦福出品
量子位
07-11 324
晓查 发自 凹非寺量子位 报道 | 公众号 QbitAI“其实我是做机器学习模型的。”“什么模型？拿出来给大家看看啊！”如果你是一个机器学习（ML）程序员，向爸妈、亲友...
[机器学习] ML重要概念：梯度（Gradient）与梯度下降法（Gradient Descent）
热门推荐
WangBo的机器学习乐园
03-25 10万+
本文介绍机器学习中重要的概念：梯度和梯度下降法，这是我们在学习MachineLearning算法时的核心概念之一，其实也就是我们在大学本科高等数学中的基础概念。
机器学习水果识别——python+opencv实现物体特征提取
11-26
机器学习水果识别是一种利用机器学习算法和图像处理技术对水果进行自动识别的方法。其中，使用Python中的OpenCV库实现物体特征提取是一种常见的实现方式。 OpenCV是一个强大的开源计算机视觉库，提供了许多用于图像...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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