文章目录
- 前言
- 一、人工智能概述
- 二、什么是机器学习
- 二、机器学习算法分类
- 三、机器学习开发流程
前言
本专栏文章为观看黑马程序员《python机器学习》所做笔记，课程地址在这。如有侵权，立即删除。
一、人工智能概述
- 机器学习和人工智能、深度学习的关系
- 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
- 机器学习的应用场景非常多，主要有下图三种领域：
二、什么是机器学习
- 定义
机器学习是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。
- 数据集构成
- 结构：特征值+目标值
注：
- 对于每一行数据我们可以称之为样本
- 有些数据集可以没有目标值
二、机器学习算法分类
- 监督学习（supervised learning）（预测）：输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值（称为回归），或是输出是有限个离散值（称作分类）（有目标值）。
- 分类问题：目标值为类别
- 分类 k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归
- 回归问题：目标值为连续型数据
- 线性回归、岭回归
- 无监督学习（unsupervised learning）：输入数据是由输入特征值所组成（没有目标值）
- 聚类 k-means
三、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（获得模型）->模型评估->应用
注：
- 学习要点：算法是核心，数据与计算是基础。
