1、机器学习小白之路
1、机器学习应该掌握的知识,也就是先修的知识:
数学方面:高等数学、线性代数、概率论;
编程方面:算法知识、基本编程知识(Java,C\C++,Python)
2、机器学习的应用:
语音识别;语言处理;无人驾驶;人脸识别;
无人机;机器人等。
3、机器学习的分支——深度学习(计算机视觉)
基于神经元的模拟,10年之后,深度学习的算法完胜其它学习;
神经网络用GPU进行计算,并且需要足够大的数据集。
4、基本概念
训练集、测试集、特征向量、目标(Label)
数据经过特征值的分析,用测试集比对。
分类算法;回归算法;
监督学习(样本有标记);无监督学习(样本无标记);
5、机器学习基本步骤
1)获取数据(获取、清洗、存储)
2)数据拆分(训练集、测试集)
3)用特征向量训练算法
4)在测试集上评估算法
5)算法迭代与改进
6)实际应用
6、常用算法
1)分类
KNN(K个nearest neighbors)
DT(Decision Tree)
SVM(Support Vector machine)
NN(neruel network)
NB(naive bayes)
2)回归
LR(Linear Regression)
NLR(Non-)
3)非监督学习算法
K-Means
7、算法的评估
准确率、速度、规模等。