标签：机器 人工智能 分类 学习 目标值 数据

一、机器学习概述

1、人工智能概述

人工智能发展必备三要素：

• 数据
• 算法
• 计算力

人工智能、机器学习、深度学习

• 机器学习是人工智能的一个实现途径
• 深度学习是机器学习的一种方法

机器学习、深度学习能做什么

• 传统预测：店铺销量预测、量化投资、广告推荐、企业客户分类、SQL语句安全检测分类
• 图像识别：街道交通标志检测、人脸识别
• 自然语言处理：文本分类、情感分析、自动聊天、文本检测

什么是机器学习

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

构成：数据+模型+预测

数据集构成：特征值+目标值 例如：识别猫和狗：            特征值：图片
          目标值：猫/狗**-类别**

机器学习算法分类

算法分类：监督学习+无监督学习

监督学习：预测

• 定义：输入数据是由输入特征和目标值所组成，即有标准答案；函数的输出可以是一个连续的值，称为回归；也可以是一个离散的值，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，没有目标值，即无标准答案。
• 聚类：k-means

半监督学习：

• 定义：训练集同时包含有标记样本数据和未标记样本数据

强化学习：

• 定义：实质是make decisions 问题，即自动进行决策，并且可以做连续决策

 

机器学习工作流程

• 获取数据
• 数据基本处理
• 特征工程
• 机器学习(模型训练)
• 模型评估

          1）结果达到要求，上线服务
          2）没有达到要求，重新上面步骤

• 应用

 二、特征工程

标签：机器,人工智能,分类,学习,目标值,数据
From： https://www.cnblogs.com/uestc2007/p/17313971.html