1. 机器学习概述

1）贴上Python环境及pip list截图，了解一下大家的准备情况。

Python环境

 pip list截图

 

 

2）贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。

在机器学习中我们常用的库有pip、numpy、pandas、scipy、matplotlib

机器学习简答案例应用：验证中心极限定理、正态分布的概率密度函数、损失函数、二元高斯分布、重心插值、Taylor展式、数值计算、负二项分布、本福斯定律。

Python基础：数据的创建、切片、去重。

绘制正态分布图像、绘制损失函数图像、绘制二元高斯分布图像。

 

 

3）什么是机器学习，有哪些分类？结合案例，写出你的理解。

 机器学习是计算机针对某一任务，从经验中学习，并且能越做越好的过程。一般情况下，“经验”都是以数据的方式存在的，计算机程序从这些数据中学习。学习的关键是模型算法，它可以学习已有的经验数据，用以预测未知数据。机器学习横跨了多个学科，包括计算机科学、统计学等，而从事机器学习的人不仅需要扎实的计算机知识和数学知识，还需要对机器学习应用场景下的业务知识非常了解。传统机器学习方法的重要理论基础之一是统计学，在自然语言处理、语音识别、图像识别、信息检索和生物信息等许多计算机领域获得了广泛应用。机器学习的基本框架包括有监督学习算法和无监督学习算法。有监督学习又包括分类算法和回归算法。无监督学习包括聚类算法。机器学习项目的实施流程：理解实际问题，抽象为机器学习能处理的数学问题；获取数据；特征工程；模型训练、诊断、调优；模型验证、误差分析；模型融合。机器学习在文本挖掘、图像识别、自然语义处理等领域有重要应用。案例：淘宝电商商品推荐体系，智能客服，语音助手，人机对战游戏，人脸识别，物品识别，自动驾驶。