机器学习是人工智能的一个实现途径,深度学习是机器学习的一个方法发展而来的。
机器学习可以做的事情:
1.自然语言处理
2.图像识别
3.传统预测
什么是机器学习?
机器学习是从数据中自动分析获得模型,并利用模型来对未知数据进行预测。
具体一点讲就是:
我们用历史数据进行训练来获得模型,再用新的数据输入模型来预测一些我们想要的结果。
数据集的构成:
特征值+目标值(有些数据集可以没有目标值)
ps:当我们要用机器学习来预测房价时,我们的数据集中包括,房子面积,房子位置,房子楼层,房子朝向等等这些特征值,还包括房价这一目标值。
机器学习算法的分类:
我们按得到的目标值来分,当
目标值:类别 ———> 分类问题(监督学习)
目标值:连续型的数 ———> 回归问题(监督学习)
目标值:无 ————> 无监督学习
监督学习:
输入数据是由输入特征值和目标值所组成。函数的输出可以时一个连续的值(成为回归),或者输出是有限个离散的值(成为分类)。典型算法有:k-邻近算法,贝叶斯算法,决策树与随机森林,逻辑回归。
无监督学习:
输入数据由输入特征值组成。典型算法有:k—means聚类。
机器学习的开发流程:
获取数据,数据处理,特征工程,机器学习算法训练得到模型,模型评估