机器学习学习笔记
Machine Learning
'Machine learning is just a concept.'
WHAT is Machine Learning?
Three categories:
- Supervised Learning 监督学习
- Classification 分类
- Regression 回归
- Unsupervised learning 非监督学习
- Clustering 聚类
- Dimensionality Reduction 降维
- Reinforcement Learning 强化学习
监督学习涉及一组标记数据，两种主要类型是分类和回归：
- 分类：机器被训练成将一个组划分为特定的类，例如：垃圾过滤器
- 回归：利用先前标记好的数据对将来的走势进行预测，例如：天气预测
非监督学习涉及未标记数据，两种主要类型是聚类和降维。
强化学习主要应用于游戏AI等领域。
HOW the Machine Learning develop?
机器学习的Bayes分支：根据以前的信息寻找最可能发生的事件。是一个从经验中学习的数学方法，是机器学习的基本思想。
Turing Test: 计算机必须通过文字对话一个人，让人以为她在和另一个人说话。这样才能被认为是‘智能的’。
最大的Breakthrough是2006年的深度学习，模仿人脑的思维过程，经常用于图像和语音识别。
HOW does the Machine Learning work?
机器学习使用线性代数、微积分、概率论与数理统计。
Steps of Machine Learning
- Gathering data from various souces.
- Cleaning data to have homogenrity(The same characters).
- Model Building:Selecting the right ML algorithm.
- Gaining insights from the model's results.
- Data Visualization:Transforming results into visuals graphs.
Usual Algorithms
Regression Algorithm 回归算法
- 线性回归算法：给予连续变量预测特定结果
- Logistic回归：用来预测离散值
基于实例的算法
常用的是k最近邻算法。称为KNN。KNN用于分类，比较数据点的距离，并且将每个点分配给它最接近的组。
决策树算法
通过树形结构组合判断时需要时使用的特征，通过决策树做出更加准确的推断。
贝叶斯算法
其实上面几个算法都是基于贝叶斯算法
神经网络和深度学习算法
这个就是下面我们要进行深入学习的算法啦
