1.机器学习概论

1） 贴上Python环境及pip list截图，了解一下大家的准备情况。暂不具备开发条件的请说明原因及打算。

 

 

 

 

图1

 

 

 

 

图2

 

 

 

 

图3

 

1） 贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。

介绍机器学习的主要内容           02：00

 

介绍什么是机器学习   02:50~37:27

　　无人驾驶汽车

       人类的学习

　　排球

　　房屋价格的预测，训练集和测试集

 

介绍机器学习的一般流程    37.28~39:35

　　数据收集->数据清洗->特征工程->数据建模

 

介绍机器学习的方法    39:35~55.03

　　Python code 示例

　　线性回归、rate、Loss

　　EM code

　　GMM算法和形成的图形

　　去均值ICA分离

　　带噪声的信号分离

　　Crawler爬取数据

 

导数有关函数和应用    67:45~128.30

　　常用导数函数介绍

　　在积分中的应用

　　Taylor公式-Maclaurin公式

　　方向导数

　　梯度

　　T函数

　　凸函数

 

概率论    128:31~140:02

　　古典概型

　　生日誖论

　　装箱问题

　　与组合数的关系

 

 

 

 

 

图4

 

 

 

 图5

 

图6

 

图7

 

图8

 

图9

 

 

 

 

图10

图11

 

图12

 

图13

 

图14

 

 

 

图15

3）什么是机器学习，有哪些分类？结合案例，写出你的理解

答：机器学习是人工智能的一个分支。我们使用计算机设计一个系统，使它能够根据提供的训练数据按照一定的方式来学习；随着训练次数的增加，该系统可以在性能上不断学习和改进；过参数优化的学习模型，能够用于预测相关问题的输出。

机器学习通常可以分为四种：

①监督学习：从标记的训练数据来推断一个功能的机器学习任务，如分类和回归。

②无监督学习：把没有标签的数据分成一个一个组合，如聚类。

③半监督学习：在训练阶段结合了大量未标记的数据和少量已标记的数据。

④强化学习：智能系统从环境到行为映射的学习，以使奖励信号(强化信号)函数值最大。