机器学习实战读书笔记(序)
来源:互联网 发布:数据规范性的名词解释 编辑:程序博客网 时间:2024/05/18 01:04
这本机器学习实战,年前也曾经看过并实现了其中几章的内容,但不够系统,打算趁这个暑假,再系统的过上一遍,并做好笔记。
1.机器学习能让我们自数据集中受到启发,即我们会利用计算机来彰显数据背后的真实含义。经典应用领域:人脸识别、手写数字识别、垃圾邮件过滤、购物网站产品推荐。机器学习是一个把无序的数据转换成有用信息的过程。
2.监督学习:数据有类别信息和给定的目标值。在监督学习中,如果其主要任务是将实例数据划分到合适的分类中,称为分类;如果其主要用于预测数值型数据,称为回归。
无监督学习:此时数据没有类别信息、也不会给定目标值。在无监督学习中,如果数据集合是由多个类似的对象组成的话,称为聚类;如果是寻找描述数据统计值的过程,则称为密度估计。
3.常见的监督学习算法:KNN(K近邻算法)、LR(线性回归)、Naïve Bayesian(朴素贝叶斯)、局部加权线性回归、SVM(支持向量机)、Ridge回归、决策树、Lasso最小回归系数估计等。
常见的无监督学习算法:K-means(K均值)、EM(最大期望算法)、DBSCAN等。
4.如何选择合适的算法?
(1)首选考虑使用机器学习算法的目的。
(2)其次需要了解数据的特性。
5.开发机器学习应用程序的步骤:
(1)收集数据。
(2)准备输入数据。
(3)分析输入数据。
(4)训练算法。
(5)测试算法。
(6)将算法应用到实际场景中。
0 0
- 机器学习实战读书笔记(序)
- 《机器学习实战》读书笔记
- 《机器学习实战》读书笔记
- 《机器学习实战》读书笔记
- 《机器学习实战》读书笔记
- 机器学习实战读书笔记(一)
- 《机器学习实战》完整读书笔记
- 机器学习实战读书笔记-决策树
- 《机器学习实战》读书笔记 第三章 决策树(part 1)
- 《机器学习实战》读书笔记 第三章 决策树(part 3)
- 《机器学习实战》读书笔记(一) kNN算法
- 机器学习实战——K-近邻算法(读书笔记)
- 机器学习实战读书笔记(二) K-近邻算法
- 机器学习实战——决策树(读书笔记)
- Python《机器学习实战》读书笔记(三)——决策树
- 【读书笔记】机器学习实战-kNN(1)
- 【读书笔记】机器学习实战-kNN(2)
- 【读书笔记】机器学习实战-决策树(1)
- 系统 day67 Linux入门
- asp.net core开发环境准备
- 关于各种排序复杂度,哈夫曼树,路由器作用
- Html-知识点总结
- 图算法—Problem E
- 机器学习实战读书笔记(序)
- 自定义dialog
- pushScene,popScene和runScene的区别
- IDEA JRebel热部署插件免费使用方法
- Android实训案例(四)——关于Game,2048方块的设计,逻辑,实现,编写,加上色彩,分数等深度剖析开发过程!
- ImageFilter 开源图像滤镜类库的使用
- 一天一条Linux指令-find
- 课程练习四-ProblemJ
- 【Android动画】之Tween动画 (渐变、缩放、位移、旋转)代码中的实现