Python机器学习笔记（一）概述

人工智能

分类

连结主义

模拟人的神经网络进行开发

逻辑主义（符号主义）

认为人的思维是存在逻辑的，将此逻辑还原并使用于机器的开发

总结

人工智能包含机器学习，机器学习包含深度学习；即深度学习是机器学习的一个子集，机器学习是人工智能的一个子集。机器学习是人工智能的一个实现途径，深度学习是机器学习的一个方法（人工神经网络）发展而来，对图片的识别方面表现优秀。

机器学习（包含深度学习）应用场景

传统预测

店铺销量预测、量化投资、广告推荐、企业客户分类、SQL语句安全检测分类……

图像识别

接到交通标志检测、人脸识别……

用在自然语言处理领域：

应用场景：

文本分类、情感分析、自动聊天、文本检测……

机器学习

概念

机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。

数据集构成

• 一般包含：特征值+目标值
• 对于每一行数据我们可以称之为样本
• 有些数据集可以没有目标值

机器学习算法分类

监督学习（预测）

定义：输入数据是由输入特征值和目标值所组成。函数的输出可以是一个连续的值（称为回归），或是输出有限个离散值（称为分类）。

• 分类：k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归
• 回归：线性回归、岭回归
  目标值：类别 - 分类问题
  目标值：连续型的数据 - 回归问题

无监督学习

定义：输入数据是由输入特征值所组成。

• 聚类：k-means
  无目标值，聚类问题

机器学习开发流程

1. 获取数据
2. 数据处理
3. 特征工程
4. 机器学习算法进行训练 - 得到模型
5. 模型评估
6. 应用