1.机器学习开发流程

2.机器学习算法分类

3.机器学习模型是什么?

机器学习开发流程

python人工智能——机器学习——机器学习基础-LMLPHP

机器学习算法分类

监督学习(特征值+目标值)
监督学习(英语:Supervised learning),可以由输入数据中学
到或建立一个模型,并依此模式推测新的结果。输入数据是由
输入特征值和目标值所组成。函数的输出可以是一个连续的值
(称为回归),或是输出是有限个离散值(称作分类)。

分类    k-近邻算法、贝叶斯分类、决策树与
随机森林、逻辑回归、神经网络
回归    线性回归、岭回归
标注    隐马尔可夫模型     (不做要求)

无监督学习(特征值)
无监督学习(英语:Supervised learning),可以由输入数据中
学到或建立一个模型,并依此模式推测新的结果。输入数据是
由输入特征值所组成。

聚类    k-means

分类
概念:分类是监督学习的一个核心问题,在监督学习中,当输出变量取有限个离散值时,预测问题变成为分类问题。最基础的便是二分类问题,即判断是非,从两个类别中选择一个作为预测结果;

回归
概念:回归是监督学习的另一个重要问题。回归用于预测输入变量和输出变量之间的关系,输出是连续型的值。
python人工智能——机器学习——机器学习基础-LMLPHP

02-18 02:34