【学习打卡】第1天 Python3入门机器学习
2022/8/4 4:22:54
本文主要是介绍【学习打卡】第1天 Python3入门机器学习,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!
课程名称:Python3入门机器学习 经典算法与应用 入行人工智能
课程章节: 1-1,1-2,1-3;2-1,2-2,2-3,2-4
主讲老师:liuyubobobo#
### 课程内容:
今天学习的内容包括:
- 机器学习的概念
- 数据基础概念
- 机器学习基本任务
- 算法分类
1.机器学习的概念
试图对比着,从人类的学习中理解,机器学习。
人类学习(经验学习)以猫狗识别为例:
1.从一定的样本资料。(从大人指给你看,这只是猫这只是狗) 2.经过大脑的学习,归纳,整理,总结(观察特征并分析总结记住) 3.到形成自己的知识,和经验。(明白了,这样的是狗,这样的是猫) 4.再遇到类似的问题,从而使大脑在遇到类似的问题,能快速做出反应。
机器学习
1.大量的学习资料(猫狗照片) 2.通过算法建立模型 3.输入新资料,判断,输出结果
### 总结: >人类学习和机器学习,总体上一样。
人类学习,
只需要少量样本资料(例如几只猫和几只狗的照片),就能非常准确识别。
但是判断的效率比较低
机器学习
需要大量样本才能准确识别。
判断效率快,能快速处理大量新样本
2.数据基础概念
-
数据整体——数据集(data set)
-
每一行数据——一个样本(sample)
-
每一列数据——一个特征(feature)
以左上角为坐标系,向下为x轴(i,列,特征索引),向右为y轴(j,行,数据索引)
X为矩阵(通常矩阵为大写)
y为向量(向量为小写,约定俗成)
3.机器学习基本任务(分类任务/回归任务)
分类任务(离散值)
-
二分类
1.判断猫或狗,判断1或0 2.判断是不是垃圾邮件 3.判断有没有肿瘤
-
多分类
1.数字识别 2.图像识别 3.人脸识别 4.判断患肿瘤的大小
回归任务(连续值)
1.房屋价格 2.股票价格预测 3.销售额预测
算法分类
监督学习;非监督学习;半监督学习;批量学习;在线学习
监督学习
我们给算法一个数据集,从标记的训练数据来推断一个功能的机器学习任务。
非监督学习
在无监督学习中数据无任何标签,或相同标签的数据,交给机器来识别其中的结构,可以将数据进行分类。(聚类分析) 对数据进行降维处理(压缩特征,删除特征) 异常检测(分类之后,有几个点不合群)
半监督学习
一部分数据有标记或者答案,另一部分数据没有 通常先使用无监督对数据进行预处理,分类,然后使用监督学习进行预测
批量学习(简单)
(在数据,环境变化不那么快的时候使用,定期进行批量学习来适应环境) 收集学习资料, 通过算法创建模型(模型不变) 模型投入使用
在线学习(复杂)
(新的数据有可能不是正常的数据,或者不合适的数据,判断异常数据进行加强监控) 收集学习资料, 通过算法创建模型(模型优化) 模型投入使用 通过预测值与实际值来改进模型
总结:
人工智能>>机器学习算法>>深度学习
-
机器学习算法只是人工智能领域中解决问题的一种方法。
-
人工智能还包含搜索算法,等等其他算法
-
事实上,机器算法中某些底层算法(如梯度下降)就属于搜索算法
-
请多多涉略不同内容,切勿孤立地学习
-
机器学习比起人脑需要更大量的数据来进行学习,但是学习之后进行判断的效率很高,近年来机器学习,深度学习的兴起,我想离不开可以大量获取的数据,和计算机算力的提升,
-
关于机器学习,我认为是从大量数据集中学习经验,来解决某一个任务,并通过一种衡量其准确与否的度量,来测量计算机在任务中的表现,然后提高经验,从而更好地用准确的经验来完成任务
-
今天第一次学习,学习了2小时,是在看完吴恩达教授的教学视屏之后,机器学习的第二站,希望也能收获满满
这篇关于【学习打卡】第1天 Python3入门机器学习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!
- 2024-09-18初探Python股票自动化交易:入门指南
- 2024-09-18Python量化入门:轻松掌握量化分析基础与实战
- 2024-09-18Python量化交易:入门指南与实践
- 2024-09-18Python量化交易:入门指南与实战技巧
- 2024-09-14Python人工智能项目实战:从零开始的实践指南
- 2024-09-14探索Python人工智能资料:初学者的指南
- 2024-09-14Python人工智能资料:初学者的全面指南
- 2024-09-13Matplotlib入门:轻松绘制Python数据可视化图表
- 2024-09-13Python人工智能:初学者的入门指南
- 2024-09-13Python人工智能:轻松入门与实践