目录
机器学习算法分类
监督学习
目标值:类别 - 分类问题 如:分类猫和狗
算法: K-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归
目标值:连续型的数据 - 回归问题
算法:线性回归、岭回归
目标值: 无 - 无监督学习
辨别小练习:
1.预测明天的气温是多少度?回归
2.预测明天是阴、晴还是雨?分类
3.人脸年龄预测? 回归(年龄几岁)/分类(老还是小)
4.人脸识别?分类
机器学习开发流程
1)获取数据
2)处理数据
3)特征工程(将数据处理成可以被算法使用的数据)
4)机器学习算法训练 - 模型
5)模型评估
6)应用
机器学习框架和资料介绍
牢记:
1)算法是核心,数据与计算是基础
2)找准定位
大部分复杂模型的算法设计都是算法工程师在做,而大多数人在做的是:
- 分析大量的数据
- 分析具体的业务
- 应用常见的算法
- 特征工程、调参数、优化
快速学习指导:
1)入门(听课入门)
2)多观看实战类书籍,自学解决工作中的问题
学会分析问题,使用机器学习算法的目的,想要算法完成何种任务,掌握算法基本思想,学会对问题用相应的算法解决,学会利用库或框架(如TensorFlow或pytorch)解决问题
3)进阶研究理论:理论权威书籍,如:机器学习(西瓜书) - 李志华,统计学习方法 - 李航,深度学习(花书)