机器学习

(机器学习)机器学习概述

本文主要是介绍(机器学习)机器学习概述,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

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

  • 模型

  • 预测

数据集

  • 结构:特征值+目标值

  • 对于每一类数据我们可以称之为样本

  • 有些数据集可以没有目标值

机器学习算法分类

  • 目标值:类别->分类问题

  • 目标值:连续性数据->回归问题

  • 目标值:无->无监督学习

  • 监督学习(预测)

    • 定义:输入数据是由输入特征值和目标值组成。函数的输出可以是一个连续的值(称为回归),或是输出是有有限个离散值(称为分类)

    • 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 :线性回归、岭回归

  • 无监督学习

    • 定义:输入数据是由输入特征值组成

    • 类聚 K-means

机器学习开发流程

  • 获取数据

  • 数据处理

  • 特征工程

  • 选择机器学习算法 得到模型

  • 模型评估

  • 应用

学习框架

一些概念:

  • 算法是核心,数据和计算是基础

  • 找准定位

大部分复杂模型的算法都是算法工程师在做

  • 分析数据

  • 分析具体业务

  • 应用常见算法

  • 特征工程、调参数、优化

这篇关于(机器学习)机器学习概述的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!