机器学习导论
来源:互联网 发布:js bind 编辑:程序博客网 时间:2024/05/22 13:26
数据挖掘
简而言之,数据挖掘(Data Mining)是有组织有目的地收集数据,通过分析数据使之成为信息,从而在大量数据中寻找潜在规律以形成规则或知识的技术。
数据挖掘与机器学习的关系
机器学习可以用来作为数据挖掘的一种工具或手段;
数据挖掘的手段不限于机器学习,譬如还有诸如统计学等众多方法;
但机器学习的应用也远不止数据挖掘,其应用领域非常广泛,譬如人工智能;
机器学习
定义
机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。目前,世界上共有几百种不同的机器学习算法。
机器学习算法类别
分类与聚类
Classification (分类)
给定一堆样本数据,以及这些数据所属的类别标签,通过算法来对预测新数据的类别Clustering(聚类):
事先并不知道一堆数据可以被划分到哪些类,通过算法来发现数据之间的相似性,从而将相似的数据划入相应的类,简单地说就是把相似的东西分到一组
常见的分类与聚类算法
常用的分类算法:决策树分类法,朴素贝叶斯分类算法(native Bayesian classifier)、基于支持向量机(SVM) 的分类器,神经网络法,k-最近邻法(k-nearest neighbor,kNN),模糊分类法等等。
常见聚类算法: K均值(K-means clustering)聚类算法、K-MEDOIDS算法、CLARANS算法;BIRCH算法、CURE算法、CHAMELEON算法等;基于密度的方法:DBSCAN算法、OPTICS算法、DENCLUE算法等;基于网格的方法:STING算法、CLIQUE算法、WAVE-CLUSTER算法;
监督学习与无监督学习
机器学习按照训练数据是否有“先验知识”,一般划分为三类:
1)监督学习(supervised learning):
于一个 classifier ,通常需要你告诉它“这个东西被分为某某类”这样一些例子,理想情况下,一个 classifier 会从它得到的训练集中进行“学习”,从而具备对未知数据进行分类的能力,这种提供训练数据的过程通常叫做 supervised learning (监督学习)2)半监督学习(semi-supervised learning)
3)无监督学习(unsupervised learning):
聚类的时候,我们并不关心某一类是什么,我们需要实现的目标只是把相似的东西聚到一起,因此,一个聚类算法通常只需要知道如何计算相似度就可以开始工作了,因此 clustering 通常并不需要使用训练数据进行学习,这在 Machine Learning 中被称作 unsupervised learning (无监督学习).监督式学习技术需要关于结果的先验知识
例如,如果我们正在研究一个市场活动的历史数据,我们可以根据市场是否产生预期的反应来对数据进行分类,或决定下一步要花多少钱。监督式学习技术为预测和分类提供了强大的工具。无监督学习技术不需要先验知识。
例如,在某些欺诈的案例中,只有当事情发生很久以后,我们才可能知道某次交易是不是欺诈。在这种情况下,与其试图预测哪些交易是欺诈,我们不如使用机器学习来识别那些可疑的交易,并做出标记,以备后续观察。我们对某种特定的结果缺乏先验知识、但仍希望从数据中汲取有用的洞察时,就要用到无监督式学习。
机器学习的应用步骤
1)需求分析
2)收集数据
3)探索数据特性
4)提取数据特征并建模[这一部分需要工具的娴熟和丰富的经验,一定的抽象能力和对数据的敏感]
5)开发代码
6)训练模型[这一部分需要熟练的开发能力]
7)应用系统集成(比如将训练好的算法模型集成到推荐系统中)
- 机器学习导论第一章
- 机器学习导论
- 机器学习导论
- 机器学习导论
- 机器学习导论-绪论
- 机器学习导论
- 机器学习导论总结
- 机器学习导论
- 机器学习-导论
- 机器学习导论初观
- 吴恩达《机器学习》笔记-导论
- 机器学习笔记一:导论
- 学习笔记——机器学习导论
- 机器学习导论笔记——绪论
- 机器学习之分类算法导论
- Andrew Ng机器学习之一 导论
- 机器学习导论-KaggleTitanic视频及教程
- 机器导论
- 构建内容分发平台的技术架构与挑战及AI技术的应用实践
- Python3.5安装pyquery
- 乔迁之囍
- Linux网络基础——TCP握手与挥手
- 分享bin转hex小工具 BinToHex
- 机器学习导论
- docker知识总结
- innodb存储引擎实现
- 关于intelliJ idea 2017的破解
- tp框架__construct()和__initialize()
- runtime介绍以及在项目中的实际运用
- angularjs搜索
- Windows下VS2013+Caffe无GPU配置
- PAT--L1-046. 整除光棍