机器学习 - 版本历史

2024年8月3日 (六) 22:49 Eric

2024-08-03T22:49:42Z

←上一版本		2024年8月3日 (六) 22:49的版本
第1行：		第1行：
	机器学习（Machine learning）是人工智能的一个分支。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理等。		机器学习（Machine learning）是[[人工智能]]的一个分支。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理等。

	==简介==		==简介==

2023年4月23日 (日) 01:13 Eric

2023-04-23T01:13:04Z

←上一版本		2023年4月23日 (日) 01:13的版本
第67行：		第67行：
	*[https://developers.google.com/machine-learning/crash-course/ Google：机器学习速成课程] Google 制作的节奏紧凑、内容实用的机器学习简介课程，使用 TensorFlow API		*[https://developers.google.com/machine-learning/crash-course/ Google：机器学习速成课程] Google 制作的节奏紧凑、内容实用的机器学习简介课程，使用 TensorFlow API
	*[https://www.coursera.org/learn/machine-learning Coursera：吴恩达（Andrew Ng）的机器学习入门课《Machine Learning》] 让机器学习初学者能够快速对整个机器学习知识点有比较整体的认识，便于快速入门。		*[https://www.coursera.org/learn/machine-learning Coursera：吴恩达（Andrew Ng）的机器学习入门课《Machine Learning》] 让机器学习初学者能够快速对整个机器学习知识点有比较整体的认识，便于快速入门。
			*[https://www.showmeai.tech/tutorials/34 ShowMeAI：ShowMeAI - 图解机器学习算法：从入门到精通系列教程]
			*[http://c.biancheng.net/ml_alg/ C语言中文网：Python机器学习算法入门教程]

	===书籍===		===书籍===

2021年7月20日 (二) 06:25 Eric

2021-07-20T06:25:00Z

←上一版本		2021年7月20日 (二) 06:25的版本
第48行：		第48行：
	\|-		\|-
	\|监督学习 <br />supervised learning		\|监督学习 <br />supervised learning
	\|~~是指使用有标注的数据进行学习建模。~~		\|是指使用有标注的数据进行学习建模。常见类型：<br \>'''分类'''（classfication）：k近邻（k-nearest neighbors，k-NN），决策树（decision tree ），逻辑回归（logistic regression），朴素贝叶斯（naive Bayes classifiers） <br \>'''回归'''（regression）：线性回归（linear regression）
	\|-		\|-
	\|无监督学习 <br />unsupervised learning		\|无监督学习 <br />unsupervised learning

2021年7月20日 (二) 04:15 Eric

2021-07-20T04:15:20Z

@@ 第5行： / 第5行： @@
 ===提前了解===
-可以提前大概了解，用到再学。
+编程语言一般使用[[Python]]，简单易学，机器学习相关软件和教程多。可以先学[[统计学]]和[[Python]]其他知识用到再学。
 {| class="wikitable"  style="width: 100%;
 ! 类别
@@ 第11行： / 第11行： @@
 |-
 | [[数学]]
-| [[线性代数]] · [[统计学]] · [[微积分]]
+| [[统计学]] · [[线性代数]] · [[微积分]]
 |-
 |编程语言
-|[[Python]]<br> 相关包：[[NumPy]]· [[Pandas]]· [[Matplotlib]]· [[scikit-learn]]· [[Seaborn]]
+|[[Python]]，及相关包：[[NumPy]]· [[Pandas]]· [[Matplotlib]]· [[scikit-learn]]· [[Seaborn]]
 |}
 ==资源==

2021年7月12日 (一) 10:18 Eric

2021-07-12T10:18:03Z

@@ 第1行： / 第1行： @@
-机器学习（Machine learning）是人工智能的一个分支。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。
+机器学习（Machine learning）是人工智能的一个分支。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理等。
 ==简介==
-'''基础知识'''
+==资源==
-*定义和调用函数：使用位置和关键字参数
+===相关网站===
-*字典、列表、集合（创建、访问和迭代）
+*[https://www.jiqizhixin.com/ 机器之心]
-{{了解更多|[https://developers.google.com/machine-learning/crash-course/prereqs-and-prework Google机器学习课程：前提和前期工作]}}
+===教程===
 *[https://developers.google.com/machine-learning/crash-course/ Google：机器学习速成课程] Google 制作的节奏紧凑、内容实用的机器学习简介课程，使用 TensorFlow API
 *[https://www.coursera.org/learn/machine-learning Coursera：吴恩达（Andrew Ng）的机器学习入门课《Machine Learning》] 让机器学习初学者能够快速对整个机器学习知识点有比较整体的认识，便于快速入门。
@@ 第69行： / 第29行： @@
 *《机器学习实战》
-==参考文献==
+===相关文章===
-*[https://developers.google.com/machine-learning/crash-course Google：机器学习速成课程]
+*[https://zh.wikipedia.org/wiki/机器学习 维基百科： 机器学习]
 *[https://developers.google.com/machine-learning/glossary/ Google:机器学习术语表]
 [[分类:机器学习]]

2020年9月28日 (一) 03:29 Eric

2020-09-28T03:29:43Z

←上一版本		2020年9月28日 (一) 03:29的版本
第1行：		第1行：
			机器学习（Machine learning）是人工智能的一个分支。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。

			机器学习已广泛应用于数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、检测信用卡欺诈、证券市场分析、DNA序列测序、语音和手写识别、战略游戏和机器人等领域。

			==简介==


第53行：		第57行：
	*metrics 模块		*metrics 模块

	~~｛｛了解更多｜~~[https://developers.google.com/machine-learning/crash-course/~~?utm_source=google-ai&utm_medium=card-image&utm_campaign=training-hub&utm_content=ml~~-~~crash~~-~~course Google机器学习教程~~]｝｝		{{了解更多\|[https://developers.google.com/machine-learning/crash-course/prereqs-and-prework Google机器学习课程：前提和前期工作]}}

	~~==书籍==~~
	*《机器学习实战》


	==~~教学资源~~==		==资源==
	*[https://developers.google.com/machine-learning/crash-course/ Google：机器学习速成课程]~~节奏紧凑、内容实用的机器学习简介课程。可以中文声音文字，都是Google的AI技术翻译的。偶尔会翻译错误。~~		===课程资源===
			*[https://developers.google.com/machine-learning/crash-course/ Google：机器学习速成课程] Google 制作的节奏紧凑、内容实用的机器学习简介课程，使用 TensorFlow API
	*[https://www.coursera.org/learn/machine-learning Coursera：吴恩达（Andrew Ng）的机器学习入门课《Machine Learning》] 让机器学习初学者能够快速对整个机器学习知识点有比较整体的认识，便于快速入门。		*[https://www.coursera.org/learn/machine-learning Coursera：吴恩达（Andrew Ng）的机器学习入门课《Machine Learning》] 让机器学习初学者能够快速对整个机器学习知识点有比较整体的认识，便于快速入门。

			===书籍===
			*《机器学习实战》

	==参考文献==		==参考文献==
			*[https://developers.google.com/machine-learning/crash-course Google：机器学习速成课程]
	*[https://developers.google.com/machine-learning/glossary/ Google:机器学习术语表]		*[https://developers.google.com/machine-learning/glossary/ Google:机器学习术语表]

	[[分类:机器学习]]		[[分类:机器学习]]

Eric：创建页面，内容为“ ==提前了解== ===数学=== '''代数''' 变量、系数和函数线性方程式对数和对数方程式 S 型函数 '''线性代数''' *张量和张量…”

2020-09-28T02:04:59Z

创建页面，内容为“ ==提前了解== ===数学=== '''代数''' *变量、系数和函数 *线性方程式 *对数和对数方程式 *S 型函数 '''线性代数''' *张量和张量…”

新页面

==提前了解==
===数学===
'''代数'''
*变量、系数和函数
*线性方程式
*对数和对数方程式
*S 型函数
'''线性代数'''
*张量和张量等级
*矩阵乘法
'''统计学'''
*均值、中间值、离群值和标准偏差
*能够读懂直方图
微积分（可选，适合高级主题）
*导数概念（您不必真正计算导数）
*梯度或斜率
*偏导数（与梯度紧密相关）
*链式法则（带您全面了解用于训练神经网络的反向传播算法）
===Python===
一门编程语言，如[[Python]]

'''基础知识'''
*定义和调用函数：使用位置和关键字参数
*字典、列表、集合（创建、访问和迭代）
*for 循环：包含多个迭代器变量的 for 循环（例如 for a, b in [(1,2), (3,4)]）
*if/else 条件块和条件表达式
*字符串格式（例如 '%.2f' % 3.14）
*变量、赋值、基本数据类型（int、float、bool、str）
*pass 语句
'''中级知识'''
*列表推导式
*Lambda 函数
===Python 库===
一些相关的Python的软件库

'''[[Matplotlib]]（适合数据可视化）'''
*pyplot 模块
*cm 模块
*gridspec 模块
'''[[Seaborn]]（适合热图）'''
*heatmap 函数
'''[[Pandas]]（适合数据处理）'''
*DataFrame 类
'''[[NumPy]]（适合低阶数学运算）'''
*linspace 函数
*random 函数
*array 函数
*arange 函数
'''[[scikit-learn]]（适合评估指标）'''
*metrics 模块

｛｛了解更多｜[https://developers.google.com/machine-learning/crash-course/?utm_source=google-ai&utm_medium=card-image&utm_campaign=training-hub&utm_content=ml-crash-course Google机器学习教程]｝｝

==书籍==
*《机器学习实战》

==教学资源==
*[https://developers.google.com/machine-learning/crash-course/ Google：机器学习速成课程]节奏紧凑、内容实用的机器学习简介课程。可以中文声音文字，都是Google的AI技术翻译的。偶尔会翻译错误。
*[https://www.coursera.org/learn/machine-learning Coursera：吴恩达（Andrew Ng）的机器学习入门课《Machine Learning》] 让机器学习初学者能够快速对整个机器学习知识点有比较整体的认识，便于快速入门。

==参考文献==
*[https://developers.google.com/machine-learning/glossary/ Google:机器学习术语表]

[[分类:机器学习]]