机器学习入门（一）概述

本文没什么内容。。。

---

人工智能概述

机器学习与深度学习的关系

机器学习是实现人工智能的一个途径。

深度学习是由机器学习中的一个方法发展而来。

应用场景

大体上分为三个领域：

• 预测领域：量化投资、广告推荐、企业客户分类
• 图像领域：无人驾驶、人脸识别
• 自然语言处理领域：文本分类、情感分析、自动聊天、文本检测

什么是机器学习

定义：从数据中自动分析获得模型，并利用模型对未知数据进行预测。

数据集的构成：特征值 + 目标值

每一行数据可以称为样本。

数据集可以没有目标值。（比如把相似的事物分到一起，做成很多个类别，即聚类）

算法分类

• 监督学习

  • 分类问题（离散型数据，例如区分猫和狗、预测天气是晴还是雨）

  • 回归问题（连续性数据，例如预测房价、预测气温）

• 无监督学习（无目标值）

开发流程

1. 获取数据
2. 数据处理
3. 特征工程
4. 算法训练 —— 模型
5. 模型评估

学习框架

数学基础：李航 —— 《统计学方法》

机器学习：周志华 —— “ 西瓜书 ”

深度学习：” 花书 ”

如果没浓厚的数学兴趣，不建议一上来就研究数学，建议先用框架，有一个大致认识，再详细研究某个方向，逐渐深入到公式推导。

机器学习框架：SKlearn

深度学习框架：

• tensorflow
• pytorch