机器学习：修订间差异
（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…”） |
无编辑摘要 |
||
| 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/prereqs-and-prework Google机器学习课程：前提和前期工作]}} | |||
== | ==资源== | ||
*[https://developers.google.com/machine-learning/crash-course/ Google：机器学习速成课程] | ===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]] | ||
2020年9月28日 (一) 03:29的版本
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、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
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 >> Google机器学习课程：前提和前期工作
资源
课程资源
- 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。
书籍
- 《机器学习实战》