机械学习基础

发布时间:2019-03-15  栏目:w88优德官网电脑版  评论:0 Comments

4.1.3  半监察和控制学习(强化学习)

  • 诸如上学行走,是三个强化的进度

1.1  什么是机器学习

利用计算机从历史数据中找出规律(数学函数),并把这几个原理用到对前途不鲜明场景的裁决。

只顾:是利用总结机分析数据(机器学习),而不是人(数据解析)。

3.3  技术手段不相同

  • 数量解析:用户驱动、交互式分析
  • 机械学习:数据驱动、自动实行文化发现

4.4  机器学习十大经典算法

十大经典算法简介

图片 1

2  机器学习的突出应用

2.2  聚类

用户细分,精准经营销售

  • 名列前茅案例:中国际联盟通分为神州Ford卡、全球通、动感地带、神州行等

3.2  解决业务分裂

  • 多少解析:报告过去的工作
  • 机器学习:预测今后的事情

2.5  自然语言处理和图像识别

自然语言处理

  • 心思分析(遵照提供的一段文本,能够分析出是主动依旧精疲力竭)
  • 实体识别(从一篇文章中把人名、地名等中央识别出来)

图像识别

  • 深度学习

1  认识机器学习

3.1  数据特点各异

 

数据特点对比
数据分析 机器学习
交易数据 行为数据
少量数据 海量数据
采样分析 全量分析

 

 

注:交易数据正是跟钱有关的多少,行为数据正是如搜寻历史、浏览历史等相关数据。

3  数据解析与机械和工具学习的差别

5.1  机器学习消除难题(1)

规定目的->业务供给->数据->特征工程

1.4  业务系统进步的野史

  • 依据专家经验
  • 依据总结——分维度总计
  • 机械学习——在线学习

注:机器学习分为离线机器学习和在线机器学习,在线机器学习强调实时性。

4  常见的算法和分类

5  消除难点

2.1  关联规则

购物篮分析(数据挖掘)

  • 非凡案例:“朗姆酒+尿布”案例

2.4  ctr预估和协同过滤

互连网广告(广告顺序)

  • ctr预估(预测概率)

推荐介绍系统(电商推荐)

  • 一道过滤

4.1  算法分类(1)

4.2  算法分类(2)

  • 分拣与回归
  • 聚类
  • 标注(标签)

4.1.1  有监督学习

  • 分拣算法(知道具体的X、Y类):X类(符合规律邮件)、Y类(垃圾邮件)
  • 回归算法

4.3  算法分类(3)

  • 转移模型:模糊判断、百分比、可能率
  • 识假模型:判断属于万分类型

注:生成模型与识别模型的涉及正是X和E[X]的关系。

5.2  机器学习消除难题(2)

演习模型

  • 概念模型
  • 概念损失函数
  • 优化算法

模型评估

  • 陆续验证
  • 意义评估

1.3  机器学习进步的原重力

从历史数据中找出规律,把那么些规律用到对以往自行做出决定。

  • 用数码代替expert。
  • 经济驱动,数据表现。

2.3  朴素贝叶斯和决策树

垃圾邮件识别

  • 勤苦贝叶斯

信用卡诈骗行为(危害识别)

  • 决策树

4.1.2  无监察和控制学习

  • 聚类(不明了具体的X、Y类)

1.2  从数额中检索规律

  • 概率论(基石)
  • 数理总括(采集样品、描述总计、如若检验)

3.4  到场者分化

  • 多少解析:分析师
  • 机械学习:数据+算法

留下评论