机器学习—概述

机器学习

1 人工智能概述

达特茅斯会议——人工智能的起点
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

2 机器学习概述

数据
模型
预测
从历史数据当中获得规律？这些历史数据是怎么的格式？

2.1机器学习数据的构成

特征值+目标值

2.2机器学习的用途

• 传统预测
• 图像识别
• 自然语言处理

3 机器学习算法分类

• 监督学习
  目标值：类别 - 分类问题
  算法： k-近邻算法、贝叶斯分类、决策树与随机森林、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
  算法： 聚类 k-means
  1、预测明天的气温是多少度？ 回归
  2、预测明天是阴、晴还是雨？ 分类
  3、人脸年龄预测？ 回归/分类
  4、人脸识别？ 分类

4 机器学习开发流程

• 获取数据
• 数据处理
• 特征工程
• 机器学习算法训练 - 模型
• 模型评估
• 应用

5 机器学习框架和资料

1）算法是核心，数据与计算是基础
2）找准定位
3）怎么做？

• 1、入门
• 2、实战类书籍
• 3、机器学习 -”西瓜书”- 周志华
  统计学习方法 - 李航
  深度学习 - “花书”