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。