机器学习实战-笔记1-基础
机器学习实战-笔记1-基础
机器学习的主要任务
监督学习-必须知道预测什么,即目标变量的分类信息**
- 分类,将实例数据划分到核实的分类中
- 回归,用于预测数值型数据
监督学习的用途
- k-近邻算法
- 朴素贝叶斯算法
- 支持向量机
- 决策树
- 线性回归
- 局部加权线性回归
- Ridge回归
- Lasso最小回归系数估计
无监督学习-没有类别信息,也没有目标值
- 聚类,将数据集合分成类似的对象组成多个类的过程
- 密度估计,寻找描述数据统计值的过程
无监督学习的用途
- K-均值
- DBSCAN
- 最大期望算法
- Parzen窗设计
如何选择合适的算法
- 使用机器学习算法的目的,想要算法完成什么任务
- 如果预测目标变量的值,则可选择监督学习算法
- 目标变量类型如果是 离散型,如是/否、1/2/3等,则可使用分类算法
- 目标变量类型如果是 连续型的数值,如1.0~100.0等,则可以使用回归算法
- 如果不是预测目标变量的值,则可选择无监督学习算法
- 如果只需要将数据分为离散的组,则使用聚类算法
- 如果需要估计数据与每个分组的相似程度,则使用密度估计算法
- 如果预测目标变量的值,则可选择监督学习算法
- 需要分析或收集的数据是什么
开发机器学习应用程序的步骤
- 收集数据
- 准备输入数据
- 分析输入数据
- 训练算法
- 测试算法
- 使用算法
About ME
👋 读书城南,🤔 在未来面前,我们都是孩子~
- 📙 一个热衷于探索学习新方向、新事物的智能产品经理,闲暇时间喜欢coding💻、画图🎨、音乐🎵、学习ing~
👋 Social Media
🛠️ Blog: http://oceaneyes.top
⚡ PM导航: https://pmhub.oceangzy.top
☘️ CNBLOG: https://www.cnblogs.com/oceaneyes-gzy/
🌱 AI PRJ自己部署的一些算法demo: http://ai.oceangzy.top/
📫 Email: 1450136519@qq.com
💬 WeChat: OCEANGZY
💬 公众号: UncleJoker-GZY
👋 加入小组~
👋 感谢打赏~
本博客所有文章除特别声明外,均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 OCAEN.GZY读书城南!