黑马程序员Python机器学习|1机器学习概述

一 人工智能概述

1.什么是人工智能

2.机器学习和人工智能,深度学习的关系

机器学习的目的:用机器来模仿人类学习以及其他方面的智能。

数据库存储历史数据(离线数据),数据挖掘建立在过去数据的基础上,找数据的关联,数据挖掘需要统计分析技术处理数据,模式是行为,大数据最早应用在模式识别上,使用人工智和数据挖掘能做信用卡欺诈的识别。每年收入只有十万,但是信用卡里有一百万,就不能拿这一百万去买房子。因为没有偿还能力。不许在短时期内刷出一百万。突击刷出一百万。短期刷出还款极限的金额。信用卡欺诈罪。

神经计算是神经网络,属于深度学习。人工智能包括机器学习和深度学习,人工智能不等于机器学习,神经网络不等于神经计算。


二 什么是机器学习

1.机器学习的定义

机器学习是实现人工智能的途径,模仿人的一些功能。

学习:训练。

从数据中学习,学习后得出的结论是模型(规律),通过这个规律去解决问题(做预测)。

3.数据集的构成

数据集:要学习的数据。

目标值:房屋价格。(预测的结果)

房屋的各个属性:特征值(4个)

一个班级里的人,并没有特别安排,但是过几天就会各种小团体,物以类聚,人以群分。没有目标值,但是也可以分成一堆一堆的,根据特征相近就分成一个堆。这就是没有目标值。

4.机器学习的分类

监督学习

A 分类问题

特征值:这些图片。

目标值:是猫还是狗。(类别)

把目标值是类别的问题叫做分类问题。

数据里面有特征值和目标值,并且目标值是一个分类,这就是分类问题。

目标值是离散型数据。

B 回归问题

有特征值和目标值,特征值是面积,朝向等,目标值是房屋的价格。(具体的值)

目标值是连续型数据。属于回归问题。

无监督学习

无目标值的属于无监督学习。

5.机器学习可以做什么

智能客服。

计算机视觉更多的是深度学习。

推荐系统。

强化学习。

6.机器学习和数据挖掘的关系

7.机器学习三要素

训练过程到底按照什么样的准则去学习或者选择?这个准则就是学习策略。

学习策略比如宁可错杀也不放过的思想。

8.机器学习算法的分类

在线学习(实时学习):指每次接受一个样本,进行预测,之后学习模型,并不断重复该操作的机器学习。有些实际应用场景要求学习必须是在线的,实时推荐。

批量学习(离线学习):一次接受所有数据,学习模型,之后预测。

1、 模型训练过程低效 2、 训练过程不易拓展于大数据场景。 3、 模型无法适应动态变化的环境。


三 机器学习开发流程

获取数据,对数据处理(数据预处理),特征工程(数据处理,处理成能被算法使用的数据,特征值),选择合适算法进行训练得到模型(机器学习),进行模型评估(评估不好就要返回到数据预处理循环,直到模型应用,要用数据对模型进行评估)


四 学习框架和资料介绍

1.明确问题

算法的改进,也要有数据的积累,有大量的数据,再用算法进行训练,数据量大要进行训练也很消耗计算机,对计算机的要求也比较高。

确定在开发过程中定位到哪个方向。

2.大学的学习步骤:

库和框架,算法底层怎么实现的,怎么实例化的。

应用

3.建议学习方法

从实际例子入手是入门快的方法,分析问题,使用机器学习算法解决一些简单的任务。

先学会用库和框架解决问题。用别人有的工具来造轮子。

A 入门,知道是干什么的,可以实现怎样的效果,有了自学能力。

B 知道往哪个方向发展后,可以看实战类书籍。

C 为什么这个算法效果这么好,背后用到了什么,数学原理是什么,就可以看理论书。

相关推荐
blammmp8 分钟前
Java:数据结构-枚举
java·开发语言·数据结构
何曾参静谧20 分钟前
「C/C++」C/C++ 指针篇 之 指针运算
c语言·开发语言·c++
暗黑起源喵26 分钟前
设计模式-工厂设计模式
java·开发语言·设计模式
Chef_Chen31 分钟前
从0开始学习机器学习--Day13--神经网络如何处理复杂非线性函数
神经网络·学习·机器学习
WaaTong31 分钟前
Java反射
java·开发语言·反射
Troc_wangpeng32 分钟前
R language 关于二维平面直角坐标系的制作
开发语言·机器学习
努力的家伙是不讨厌的34 分钟前
解析json导出csv或者直接入库
开发语言·python·json
Envyᥫᩣ1 小时前
C#语言:从入门到精通
开发语言·c#
-Nemophilist-1 小时前
机器学习与深度学习-1-线性回归从零开始实现
深度学习·机器学习·线性回归
云空1 小时前
《Python 与 SQLite:强大的数据库组合》
数据库·python·sqlite