时间:2021-05-02
机器学习、人工智能应该是近几年最火的关键词之一了。今天分享一些机器学习的基础知识。如果有啥不正确的地方,欢迎各位大佬指正。
在说机器学习之前先明确一下,什么是人类的学习行为呢?
可以这样总结,人类从历史经验中获取规律,并将其应用到新的类似场景中,就是人类的学习行为。
相对应的,机器学习是指让机器去训练、去学习,让机器从大量数据中找到数据中的内在特征,从而对新事物做出判断。
机器学习有哪些类别呢?按照不同的分类方式,有不同的细分类别。梳理了一下,主要有以下的概况图:
(1)按照学习目标分类
什么是机器学习目标呢?通俗来讲,就是我们想通过机器学习,最终实现的结果形态是什么样。
按照学习目标,主要可以分为三类:回归问题、分类问题、排序问题。
(2)按照训练数据的特性分类
上文提到了,进行机器学习是需要训练数据为基础的(不然机器没法学习呀)。按照训练数据的特性,主要分为以下两类:
(3)按照模型的复杂程度分类
按照模型的复杂度,主要分为两类:线性模型和非线性模型。
(4)按照模型功能分类
按照模型的功能来分类,主要分为判别模型与生成模型。
对于一个机器学习项目而言,主要的流程有以下概况:
(1)数据预处理
数据清洗是检测和去除数据集中的噪声数据和无关数据,处理遗漏数据,去除空白数据域和知识背景下的白噪声。
(2)数据切分
在机器学习中,通常将所有的数据划分为三份:训练数据集、验证数据集和测试数据集。它们的功能分别为
关于数据如何进行切分,后续再进行分享。
(3)特征工程
特征构建是指从原始数据中人工的找出一些具有物理意义的特征。需要花时间去观察原始数据,思考问题的潜在形式和数据结构,对数据敏感性和机器学习实战经验能帮助特征构建。
关于机器学习,就先分享这些。欢迎大家继续关注~
原文地址:https://mp.weixin.qq.com/s?__biz=MzI0OTEzNzYyOA==&mid=2650415756&idx=1&sn=eea9283fe50de00d639b20e8496f933b&chksm=f198923fc6ef1b298c5da48185a8c0b06077cd4eb674de44b6b8d3c744d0c353eccdb93c092b&mpshare=1&
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
传统的机器学习任务从开始到建模的一般流程是:获取数据->数据预处理->训练建模->模型评估->预测,分类。本文我们将依据传统机器学习的流程,看看在每一步流程中都
机器学习机器学习的目的是把数据转换成信息。机器学习通过从数据里提取规则或模式来把数据转成信息。人脸识别人脸识别通过级联分类器对特征的分级筛选来确定是否是人脸。每
本文实例为大家分享了PythonKNN分类算法的具体代码,供大家参考,具体内容如下KNN分类算法应该算得上是机器学习中最简单的分类算法了,所谓KNN即为K-Ne
利用TensorFlow实现《神经网络与机器学习》一书中4.7模式分类练习具体问题是将如下图所示双月牙数据集分类。使用到的工具:python3.5tensorf
简介本次项目登录注册验证是对之前学习知识点的加深学习,这次项目的练习的知识点有函数、判断语句、循环语句、文件操作等。项目流程运行代码之后,输出登录或者注册选项。