(机器学习)机器学习概述
2022/7/24 6:25:18
本文主要是介绍(机器学习)机器学习概述,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
定义
机器学习是从数据中自动分析获得模型,并利用模型对未知数据进行预测
-
数据
-
模型
-
预测
数据集
-
结构:特征值+目标值
-
对于每一类数据我们可以称之为样本
-
有些数据集可以没有目标值
机器学习算法分类
-
目标值:类别->分类问题
-
目标值:连续性数据->回归问题
-
目标值:无->无监督学习
-
监督学习(预测)
-
定义:输入数据是由输入特征值和目标值组成。函数的输出可以是一个连续的值(称为回归),或是输出是有有限个离散值(称为分类)
-
分类 :k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归
-
回归 :线性回归、岭回归
-
-
无监督学习
-
定义:输入数据是由输入特征值组成
-
类聚 K-means
-
机器学习开发流程
-
获取数据
-
数据处理
-
特征工程
-
选择机器学习算法 得到模型
-
模型评估
-
应用
学习框架
一些概念:
-
算法是核心,数据和计算是基础
-
找准定位
大部分复杂模型的算法都是算法工程师在做
-
分析数据
-
分析具体业务
-
应用常见算法
-
特征工程、调参数、优化
这篇关于(机器学习)机器学习概述的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-01-24手把手教你使用MDK仿真调试
- 2024-01-10基于“小数据”的机器学习
- 2024-01-08扩展卡尔曼滤波:提高机器学习性能的利器
- 2023-12-26各种二端口滤波器网络仿真遇到的问题
- 2023-12-14机器学习-搜索技术:从技术发展到应用实战的全面指南
- 2023-12-12机器学习 - 决策树:技术全解与案例实战
- 2023-12-05机器学习-学习率:从理论到实战,探索学习率的调整策略
- 2023-12-04解锁机器学习-梯度下降:从技术到实战的全面指南
- 2023-11-30回归算法全解析!一文读懂机器学习中的回归模型
- 2023-11-30机器学习 - 似然函数:概念、应用与代码实例