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”