零基础学Python--机器学习:机器学习算法和开发

Posted 是Dream呀

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了零基础学Python--机器学习:机器学习算法和开发相关的知识,希望对你有一定的参考价值。

@TOC

一、机器学习算法分类

1.分析1.2中的例子

分类问题

特征值:猫/狗的图片目标值:猫/狗-类别
分类问题↑

回归问题


特征值:房屋的各个属性信息;
回归问题

无监督学习


特征值:人物的各个属性信息;目标值:无
无监督学习

2.总结

3.练习

说一下它们具体问题类别:

1、预测明天的气温是多少度?:回归问题

2、预测明天是阴、晴还是雨?:分类问题

3、人脸年龄预测?:回归/分类

4、人脸识别?:分类

4.机器学习算法分类

  • 监督学习(supervised learning)(预测)
    定义: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)。
    分类: k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归、神经网络
    回归 :线性回归、岭回归
  • 无监督学习(unsupervised learning)
    定义:输入数据是由输入特征值所组成。
    聚类 k-means

    二、 机器学习开发流程


    流程图:

    三、学习框架介绍

    需明确几点问题:

(1)算法是核心,数据与计算是基础
(2)找准定位

大部分复杂模型的算法设计都是算法工程师在做,而我们

  • 分析很多的数据
  • 分析具体的业务
  • 应用常见的算法
  • 特征工程、调参数、优化

机器学习库与框架

书籍资料

以上是关于零基础学Python--机器学习:机器学习算法和开发的主要内容,如果未能解决你的问题,请参考以下文章

黄佳《零基础学机器学习》chap2笔记

黄佳《零基础学机器学习》chap1笔记

零基础学Python--机器学习:特征提取

零基础学Python--机器学习:特征预处理

零基础学Python--机器学习:数据集及特征工程介绍

从零入门机器学习之基础概念讲解:深入浅出讲解计算机基本概念