目錄
機器學習算法分類
監督學習
目標值:類別 - 分類問題 如:分類貓和狗
算法: K-近鄰算法、貝葉斯分類、決策樹與隨機森林、邏輯迴歸
目標值:連續型的數據 - 迴歸問題
算法:線性迴歸、嶺迴歸
目標值: 無 - 無監督學習
辨別小練習:
1.預測明天的氣溫是多少度?迴歸
2.預測明天是陰、晴還是雨?分類
3.人臉年齡預測? 迴歸(年齡幾歲)/分類(老還是小)
4.人臉識別?分類
機器學習開發流程
1)獲取數據
2)處理數據
3)特徵工程(將數據處理成可以被算法使用的數據)
4)機器學習算法訓練 - 模型
5)模型評估
6)應用
機器學習框架和資料介紹
牢記:
1)算法是核心,數據與計算是基礎
2)找準定位
大部分複雜模型的算法設計都是算法工程師在做,而大多數人在做的是:
- 分析大量的數據
- 分析具體的業務
- 應用常見的算法
- 特徵工程、調參數、優化
快速學習指導:
1)入門(聽課入門)
2)多觀看實戰類書籍,自學解決工作中的問題
學會分析問題,使用機器學習算法的目的,想要算法完成何種任務,掌握算法基本思想,學會對問題用相應的算法解決,學會利用庫或框架(如TensorFlow或pytorch)解決問題
3)進階研究理論:理論權威書籍,如:機器學習(西瓜書) - 李志華,統計學習方法 - 李航,深度學習(花書)