! Z/ y5 n6 N2 o2 K《机器学习基础》 一书因为与我在PolyU的研究生课程COMP Machine Learning课程安排完全吻合,所以开启学习之旅,用于预习复习,并记录笔记于此。7/9/22# Q4 {7 \( ]. w5 R3 Y1 X
* C& q1 t4 E/ `! w1 ~! ~
第一章 机器学习基础! n3 |: S- I. R. X
机器学习基本概念4 K$ j: q; d& j5 ^; n) k
机器学习就是把无序的数据转换成有用的信息。我们会利用计算机来彰显数据背后的真实含义。5 K* T" e1 D _9 u
& t# `7 R) P+ |) n6 {2 i几个概念词:特征/属性,属性值,训练,训练集,目标变量,训练数据,测试数据,概念含义记录在博客:https://blog.csdn.net/weixin_43098506/article/details/126716645( n# L' ]* _& F
& ]- o/ i. p. d6 r& a+ ~) w分类:当机器学习程序开始运行时,使用训练样本集作为算法的输入,训练完成之后输入测试样本。输入测试样本时不提供测试样本的目标变量,由程序决定样本术语哪个类型。比较测试样本预测的目标变量值与实际样本类别之间的差别,就可以得出算法的实际精确度。- U8 o% X7 q/ E, v2 t( V# r& K
4 r t. f% I& v3 l用于执行分类、回归、聚类和密度估计的机器学习算法列表- K9 i) h- B' e$ ^! k2 o* q, U
监督学习 用途 / h% e4 R) X1 `8 m9 t' @; I, {k-近邻算法 线性回归 : x$ Z0 l4 l& {4 i4 Y朴素贝叶斯 局部加权线性回归 / r/ I+ E" X* \% Y! n0 `) ~支持向量机 Ridge回归 , ` q0 P' N `7 y& D$ G决策树 Lasso最小回归系数估计1 ^- [* f. P5 z) h) ?
无监督学习 用途3 [4 H$ y# W& T3 ~. X
K-均值 最大期望算法 ) J6 I5 A9 i. D) n B& J$ JDESCAN Parzen窗设计 ! T) q, B- v6 CPython语言用于机器学习的优势 # T6 \& Q( q; T1 A) P( U2 Epython语言语法清晰;5 e4 y& @7 a0 M! Z Q
易于操作纯文本文件; & i+ r3 R% H) \! z2 C q& t使用广泛,存在大量的开发文档。5 V; ^8 B r7 m2 r+ U! c5 Y0 ]
———————————————— " e8 r, w; |6 S. }% B版权声明:本文为CSDN博主「脚踏实地的大梦想家」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。 3 a7 C" ~8 l2 @7 t原文链接:https://blog.csdn.net/weixin_43098506/article/details/1267390134 ]4 O2 `$ ^& b t0 Y
( r6 \) n1 c3 D& v$ l