机器学习：修订间差异

2021年7月20日 (二) 06:25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、自然语言处理等。

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

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

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。

@@ 第48行： / 第48行： @@
 |-
 |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