机器学习：修订间差异
无编辑摘要 |
无编辑摘要 |
||
| （未显示同一用户的3个中间版本） | |||
| 第1行： | 第1行： | ||
机器学习（Machine | 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== | ||
| 第5行： | 第5行： | ||
===提前了解=== | ===提前了解=== | ||
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%; | {| class="wikitable" style="width: 100%; | ||
! 类别 | ! 类别 | ||
| 第11行： | 第11行： | ||
|- | |- | ||
| [[数学]] | | [[数学]] | ||
| [[ | | [[统计学]] · [[线性代数]] · [[微积分]] | ||
|- | |- | ||
|编程语言 | |编程语言 | ||
|[[Python]] | |[[Python]]，及相关包：[[NumPy]]· [[Pandas]]· [[Matplotlib]]· [[scikit-learn]]· [[Seaborn]] | ||
|} | |} | ||
==基本概念== | |||
{| class="wikitable" style="width: 100%; | |||
! 名称 | |||
! 描述 | |||
|- | |||
|数据集 <br />data set | |||
| | |||
|- | |||
|特征 <br />feature | |||
| | |||
|- | |||
|标注 <br />label | |||
| | |||
|- | |||
|训练集 <br />training set | |||
| | |||
|- | |||
|测试集 <br />test set | |||
| | |||
|- | |||
| | |||
| | |||
|} | |||
==分类== | |||
{| class="wikitable" style="width: 100%; | |||
! 名称 | |||
! 描述 | |||
|- | |||
|监督学习 <br />supervised learning | |||
|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 | |||
|是指使用没有标注的数据进行学习建模。常见类型：<br \>'''聚类分析'''（Cluster analysis）：k-均值（k-means）<br \>'''异常检测'''（anomaly detection） <br \>'''人工神经网络'''（Artificial Neural Network）：生成对抗网络（Generative Adversarial Network，GAN），自组织映射（SOM） | |||
|- | |||
|半监督学习 <br />semi-supervised learning | |||
| | |||
|- | |||
|强化学习 <br />reinforcement learning | |||
| | |||
|} | |||
==资源== | ==资源== | ||
| 第25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=== | ||
2024年8月3日 (六) 22:49的最新版本
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
时间轴
提前了解
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。
| 类别 | 内容 |
|---|---|
| 数学 | 统计学 · 线性代数 · 微积分 |
| 编程语言 | Python，及相关包：NumPy· Pandas· Matplotlib· scikit-learn· Seaborn |
基本概念
| 名称 | 描述 |
|---|---|
| 数据集 data set |
|
| 特征 feature |
|
| 标注 label |
|
| 训练集 training set |
|
| 测试集 test set |
|
分类
| 名称 | 描述 |
|---|---|
| 监督学习 supervised learning |
是指使用有标注的数据进行学习建模。常见类型： 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） 回归（regression）：线性回归（linear regression） |
| 无监督学习 unsupervised learning |
是指使用没有标注的数据进行学习建模。常见类型： 聚类分析（Cluster analysis）：k-均值（k-means） 异常检测（anomaly detection） 人工神经网络（Artificial Neural Network）：生成对抗网络（Generative Adversarial Network，GAN），自组织映射（SOM） |
| 半监督学习 semi-supervised learning |
|
| 强化学习 reinforcement learning |
资源
相关网站
教程
- 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
- 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。
- ShowMeAI：ShowMeAI - 图解机器学习算法：从入门到精通系列教程
- C语言中文网：Python机器学习算法入门教程
书籍
- 《机器学习实战》